Spring AI 拦截器实现 RAG 检索的两种方式

文章目录

前言
方式一：全局共用一份知识库
方式二：每次对话动态过滤
两种方式的核心区别
一个配置层面的细节

前言

在 Spring AI 中，Advisor API 本质上就是对话调用链上的拦截器。它位于用户 Prompt 和大模型调用之间，可以在请求发出前对 Prompt 做增强，也可以在响应返回后做处理。

用 Advisor 实现向量数据库的 RAG 检索，核心是 QuestionAnswerAdvisor。这个内置拦截器的工作方式很直接：拦截用户 Prompt，在绑定的 VectorStore 中执行相似度搜索，把检索到的文档片段拼进 Prompt 的 {question_answer_context} 占位符，再交给模型生成答案。

根据检索范围的固定还是动态 ，有两种实现方式。两者都通过 defaultAdvisors 注册，区别只在调用时是否额外传入过滤参数。

方式一：全局共用一份知识库

QuestionAnswerAdvisor 在构建时就绑定了 VectorStore，注册为 defaultAdvisors 后，每次对话自动走同一个检索逻辑，对整个向量库执行相似度搜索。

java 复制代码

@Configuration
public class RagConfig {

    @Bean
    public QuestionAnswerAdvisor questionAnswerAdvisor(VectorStore vectorStore) {
        return QuestionAnswerAdvisor.builder(vectorStore)
            .searchRequest(SearchRequest.builder()
                .topK(4)
                .similarityThreshold(0.8)
                .build())
            .build();
    }

    @Bean
    public ChatClient chatClient(ChatModel chatModel, 
                                 QuestionAnswerAdvisor questionAnswerAdvisor) {
        return ChatClient.builder(chatModel)
            .defaultAdvisors(questionAnswerAdvisor)   // 全局注册
            .build();
    }
}

调用时不需要在每次 prompt() 里重复指定任何东西：

java 复制代码

String answer = chatClient.prompt()
    .user("Spring AI 的 Advisor 是什么？")
    .call()
    .content();

topK 控制返回的文档片段数量，similarityThreshold 是相似度得分下限。两者的配合逻辑是：先按阈值过滤低质量候选，再取前 K 个 。similarityThreshold 设为 0.8 意味着只接受相似度 80 分以上的文档片段。

这种方式适合所有对话共享同一套知识的场景，配置最简单，但无法按用户或业务类型收窄检索范围。

方式二：每次对话动态过滤

同样注册为 defaultAdvisors，但允许在运行时通过 FILTER_EXPRESSION 参数 覆盖或细化检索范围。过滤表达式采用类似 SQL 的语法，可移植于所有 VectorStore 实现。

java 复制代码

@Bean
public ChatClient chatClient(ChatModel chatModel, VectorStore vectorStore) {
    QuestionAnswerAdvisor qaAdvisor = QuestionAnswerAdvisor.builder(vectorStore)
        .searchRequest(SearchRequest.builder()
            .topK(4)
            .build())
        .build();

    return ChatClient.builder(chatModel)
        .defaultAdvisors(qaAdvisor)   // 同样注册为默认 Advisor
        .build();
}

调用时传入过滤条件：

java 复制代码

String answer = chatClient.prompt()
    .user("我的订单有什么问题？")
    .advisors(a -> a.param(
        QuestionAnswerAdvisor.FILTER_EXPRESSION,
        "user_id == '12345' && type == 'order'"))
    .call()
    .content();

底层会先通过元数据字段缩小候选集，再在候选集内执行向量相似度计算。如果同时在 Advisor 构建时设置了基础过滤表达式，运行时传入的表达式优先级更高，会覆盖构建时的配置。

这种方式适合多租户、多业务线、需要权限隔离的场景，同一份向量库可以为不同对话提供不同范围的检索结果。

两种方式的核心区别

两种实现都使用了 defaultAdvisors ，QuestionAnswerAdvisor 都是通过 ChatClient.builder().defaultAdvisors(...) 注册的。区别只在于调用时是否额外传入运行时参数来收窄检索范围。

维度	方式一：全局共用	方式二：动态过滤
defaultAdvisors	有	有
检索范围	整个向量库	过滤后的子集
调用时的 advisors()	不传	传 `FILTER_EXPRESSION`
隔离能力	无	按用户/租户/业务类型隔离
适用场景	统一知识库问答	多租户、多业务线、权限控制

方式一是"注册后就固定"，方式二是"注册后每次还能改"。

一个配置层面的细节

QuestionAnswerAdvisor 的默认 similarityThreshold 是 0.0，意味着接受所有匹配结果，不管相似度多低。在生产环境中，这通常不是想要的行为。设置一个合理的阈值，可以让模型在检索不到相关内容时更诚实地表示"不知道"，而不是基于弱相关片段给出看似自信的错误回答。

阈值和 topK 的交互也需要留意：高阈值配高 topK，如果没有任何文档越过阈值线，模型会退回使用自己的知识库回答；阈值越低，越多的低质量匹配会进入 Prompt，可能干扰模型判断。

如需深入了解Agent核心架构设计、工具调用机制、记忆与上下文工程、多智能体协作模式、规划与推理策略、LangGraph状态图原理、中间件扩展体系、生产级Agent落地实践等内容，请持续关注本专栏《Agent智能体开发从入门到精通》系列文章。