第 3 篇：Spring AI System Prompt 实战——为 AI 助手设置角色和行为规则

本文通过 Spring AI 的 System Prompt 实战，介绍 System Message 与 User Message 的职责区别，以及如何使用 ChatClient 的 defaultSystem()、system() 和模板变量，为 AI 助手设置身份、回答规则和行为边界，并分析 System Prompt 的适用场景、常见问题与安全边界。

一、为什么要设置 System Prompt

上一篇中，我们只是把用户输入直接发送给模型：

java 复制代码

chatClient.prompt()
        .user(message)
        .call()
        .content();

这种调用可以回答问题，但模型没有稳定的身份和输出规范。同一个问题可能得到不同风格的答案，也无法体现具体业务场景。

System Prompt 用来告诉模型：

你是谁；
你要服务什么场景；
你应该遵守哪些规则；
你应当使用什么表达方式；
哪些内容不能做。

例如，一个 Java 学习助手的 System Prompt 可以写成：

text 复制代码

你是一名专业的 Java 技术导师，擅长使用循序渐进的方式解释问题。
回答时请先给出结论，再解释原理，最后提供一个最小示例。
如果问题中的信息不足，请明确指出，不要编造不存在的 API。

二、System Message 与 User Message 的区别

对比项	System Message	User Message
来源	应用开发者	最终用户
主要作用	定义身份、规则和边界	表达当前问题或任务
生命周期	可以作为客户端默认配置复用	通常每次请求都不同
示例	"你是一名 Java 技术导师"	"请解释 Spring Bean"

二者会共同组成发送给模型的 Prompt：

text 复制代码

System Message：你是一名 Java 技术导师
User Message：请解释依赖注入
               ↓
             Prompt
               ↓
             ChatModel

我的理解：System Prompt 负责建立回答的"坐标系"，User Prompt 负责给出本次要解决的具体问题。

三、配置默认 System Prompt

我们可以在创建 ChatClient 时使用 defaultSystem() 配置默认角色：

java 复制代码

package org.xingyue.ai.config;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class AiConfig {

    @Bean
    public ChatClient chatClient(ChatClient.Builder builder) {
        return builder
                .defaultSystem("""
                        你是一名专业的 Java 技术导师。

                        回答要求：
                        1. 先给出简洁结论，再解释底层原理；
                        2. 涉及代码时，提供可以理解的最小示例；
                        3. 如果不确定答案，请明确说明，不要编造 API；
                        4. 默认使用中文回答，专业术语可保留英文。
                        """)
                .build();
    }
}

使用 Java 文本块的好处是：多行提示词更容易阅读，也便于后续补充规则。

四、代码实现

在 Controller 中注入 ChatClient

java 复制代码

package org.xingyue.ai.controller;

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/ai")
public class ChatController {
    
    @Autowired
    private ChatService chatService;

    @GetMapping("/chat/prompt")
    public String chatPrompt(@RequestParam(defaultValue = "请介绍一下你自己")
                             String message) {
        return chatService.chatPrompt(message);
    }

    @GetMapping("/prompt")
    public String prompt(@RequestParam("language")
                         String language,
                         @RequestParam("level")
                         String level) {
        return chatService.prompt(language, level);
    }
}

java 复制代码

/**
 * AI 对话业务的默认实现。
 *
 * <p>封装 Spring AI 模型调用细节，为 Controller 提供统一的业务入口。</p>
 */
@Service
public class ChatServiceImpl implements ChatService {

    private static final Logger log = LoggerFactory.getLogger(ChatServiceImpl.class);

    @Autowired
    private ChatClient chatClient;

    @Override
    public String chatPrompt(String message) {
        return chatClient.prompt()
                .user(message)
                .call()
                .content();
    }
}

由于 ChatClient 创建时已经设置默认 System Prompt，Controller 不需要在每次请求中重复写角色信息。

此时调用流程为：

text 复制代码

默认 System Prompt
        +
本次 User Message
        ↓
      Prompt
        ↓
   调用 DeepSeek
        ↓
按照 Java 技术导师角色生成回答

五、测试角色预设

可以访问：

text 复制代码

http://localhost:9999/chat/prompt?message=请介绍一下你自己

defaultSystem 设置了全局角色

然后继续测试：

text 复制代码

http://localhost:9999/chat/prompt?message=请解释什么是Spring依赖注入

测试结果示例：

测试时不要只看"有没有返回文字"，还要验证以下几点：

模型是否使用了设定的身份；
是否先给结论再解释；
是否提供了最小代码示例；
是否默认使用中文；
面对不确定问题时是否会承认信息不足。

这实际上是最简单的一组提示词评测用例。

defaultSystem 是指System Prompt 会作为该 ChatClient 的默认配置重复使用。.system()则是构建某一次 Prompt 时，仅当前这一次请求有效。

六、默认 System Prompt 与单次 System Prompt

默认 System Prompt 适合整个客户端都要遵守的规则：

java 复制代码

builder.defaultSystem("你是一名 Java 技术导师")

如果某条请求需要临时角色，可以在本次调用中设置 System Message：

java 复制代码

    @Override
    public String prompt(String language, String level) {
        return chatClient.prompt()
                .system(system -> system
                        .text("""
                        你是一名 {language} 技术导师。
                        回答难度应适合 {level} 开发者。
                        默认使用中文回答。
                        """)
                        .param("language", language)
                        .param("level", level))
                .user("请解释什么是依赖注入")
                .call()
                .content();
    }

可以按照下面的原则选择：

场景	推荐方式
整个应用共享同一角色	`defaultSystem()`
某个业务模块共享角色	为该模块创建独立 `ChatClient`
只有一次请求需要临时角色	在本次 `prompt()` 中调用 `system()`

七、使用变量构建动态 System Prompt

如果角色信息需要动态变化，可以使用模板参数，而不是手动拼接字符串：

java 复制代码

    @Override
    public String prompt(String language, String level) {
        return chatClient.prompt()
                .system(system -> system
                        .text("""
                        你是一名 {language} 技术导师。
                        回答难度应适合 {level} 开发者。
                        默认使用中文回答。
                        """)
                        .param("language", language)
                        .param("level", level))
                .user("请解释什么是依赖注入")
                .call()
                .content();
    }

模板参数：

language：技术语言；
level：用户水平；

java 复制代码

 @Override
    public String prompt(String language, String level) {
        return chatClient.prompt()
                .system(system -> system
                        .text("""
                        你是一名 {language} 技术导师。
                        回答难度应适合 {level} 开发者。
                        默认使用中文回答。
                        """)
                        .param("language", language)
                        .param("level", level))
                .user("请解释什么是依赖注入")
                .call()
                .content();
    }

    @Override
    public String promptByChatModel(String language, String level) {
        String systemText = """
                你是一名 %s 技术导师。
                回答难度应适合 %s 开发者。
                默认使用中文回答。
                """.formatted(language, level);

        Prompt prompt = new Prompt(List.of(
                new SystemMessage(systemText),
                new UserMessage("请解释什么是依赖注入")
        ));

        ChatResponse response = chatModel.call(prompt);
        return response.getResult().getOutput().getText();
    }

    @Override
    public String promptByChatModelTemplate(String language, String level) {
        String systemText = """
                你是一名 {language} 技术导师。
                回答难度应适合 {level} 开发者。
                默认使用中文回答。
                """;

        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemText);
        Message systemMessage = systemPromptTemplate.createMessage(Map.of(
                "language", language,
                "level", level
        ));
        UserMessage userMessage = new UserMessage("请解释什么是依赖注入");

        Prompt prompt = new Prompt(List.of(systemMessage, userMessage));
        ChatResponse response = chatModel.call(prompt);
        return response.getResult().getOutput().getText();
    }

八、如何写出更稳定的 System Prompt

一个实用的 System Prompt 通常包含以下部分：

8.1 身份

text 复制代码

你是一名专业的 Java 技术导师。

8.2 目标

text 复制代码

你的目标是帮助初学者理解 Spring 和 Spring AI 的核心概念。

8.3 输出规则

text 复制代码

回答时先给出结论，再解释原理，最后提供最小示例。

8.4 行为边界

text 复制代码

如果信息不足或不确定，请明确说明，不要编造不存在的类和方法。

8.5 输出格式

text 复制代码

代码使用 Markdown 代码块；多个方案使用有序列表；关键结论控制在五条以内。

可以整理成通用结构：

text 复制代码

角色 + 目标 + 背景 + 约束 + 输出格式 + 异常处理

九、System Prompt 的边界

System Prompt 很重要，但不能被当作绝对可靠的安全控制。

真实项目还需要：

对用户身份和权限进行校验；
对敏感数据进行脱敏；
限制模型可以调用的工具；
对输入和输出进行内容检查；
记录必要的审计信息；
防范 Prompt Injection 等攻击。

例如，"请不要泄露系统提示词"只是一条模型指令，并不能替代真正的数据隔离。

十、常见问题

10.1 配置了 System Prompt，为什么回答仍然不完全一致

大模型生成具有一定随机性，System Prompt 是引导而不是普通程序中的强制分支。可以通过更明确的规则、降低随机性、增加输出格式约束和编写评测用例来提高稳定性。

10.2 System Prompt 是否越长越好

不是。过长、重复或互相冲突的规则会增加理解难度和 Token 消耗。应该优先保证结构清晰、约束明确、没有冲突。

10.3 为什么仍然不是多轮对话

System Prompt 只是为每次调用提供默认角色。当前代码仍然没有保存不同 HTTP 请求之间的历史消息，因此不具备跨请求记忆。

10.4 System、User、Assistant 的顺序重要吗

构造对话历史时，应按照实际会话顺序组织消息。一般先放系统规则，再依次放置用户和助手的历史消息，最后加入本次用户问题。

十一、本文总结

本篇完成了 AI 助手的角色预设，并建立了以下认识：

System Message 用于定义身份、目标、规则和回答边界。
User Message 表示用户本次提出的具体问题。
defaultSystem() 适合配置可复用的默认角色。
单次 .system() 适合临时覆盖或补充本次任务规则。
模板变量名称必须与实际含义一致。
System Prompt 不是安全边界，生产系统仍需实现权限和内容治理。

下一篇将讲解 Spring AI 的流式响应，并区分 Flux、普通分块文本和 Server-Sent Events。