Spring AI 里 ChatClient 和 ChatModel 有什么区别？什么时候该用哪个？

结论先行：

ChatClient 与 ChatModel 不是替代关系 ：ChatClient 是高层业务调用 API，ChatModel 是底层模型调用抽象；ChatClient 通常封装 ChatModel。
共用方式优先选"统一 AiService + 底层共用 ChatModel" ：业务代码只依赖 AiService，实现层用 ChatClient，避免业务到处直接绑定具体模型厂商。
多模型场景不要全局可变替换 ChatModel ：应配置多个不可变 ChatModel/ChatClient，通过显式路由按业务选择，避免并发请求互相影响。

一. 核心区别

对比项	ChatClient	ChatModel
定位	高层业务调用 API	底层模型调用接口
主要用途	组织业务对话流程	调用具体大模型
Prompt 构建	提供流畅式 API	通常接收标准化请求对象
Advisor 等扩展	可集成	不属于核心职责
普通调用	`call()`、`content()` 等	`call(Prompt)`
流式调用	`stream()`	`stream(Prompt)`

具体方法会因 Spring AI 版本有所差异。

简单理解：

ChatClient 面向应用开发者，负责组织对话调用，包括 Prompt、Advisor、上下文和输出转换。
ChatModel 是统一模型调用接口，负责生成响应、流式生成和统一模型请求，底层由 OpenAI、Anthropic、Ollama 等具体实现适配。

注意：ChatClient 不是另一个大模型，它通常是对 ChatModel 的上层封装。

二. 为什么两者都存在？

直接调用 ChatModel：

java

复制代码

ChatResponse response = chatModel.call(
    new Prompt("请介绍一下 Spring AI")
);

使用 ChatClient：

java

复制代码

String answer = chatClient.prompt()
    .user("请介绍一下 Spring AI")
    .call()
    .content();

ChatClient 更适合组织业务逻辑；ChatModel 更适合统一模型调用、底层适配和基础设施封装。

三. 如何做到共用？

先明确：你想共用的是模型实例、业务代码，还是整个调用流程。通常有三种方案。

方案 A：多个业务模块共用同一个 ChatModel

适合多个服务模块都需要调用同一个模型的场景。

java

复制代码

@Configuration
public class AiConfig {

    @Bean
    public ChatClient chatClient(ChatModel chatModel) {
        return ChatClient.builder(chatModel).build();
    }
}

业务层注入 ChatClient；需要更底层控制的模块可以直接注入 ChatModel。这样可以共用底层模型配置和模型客户端，避免重复创建实例。

方案 B：封装统一 AI 服务（更推荐）

如果项目里有多个业务，例如客服、知识库、文本总结，不建议让业务代码到处直接依赖 ChatModel。可以统一封装：

java

复制代码

public interface AiService {

    String chat(String prompt);

    Flux<String> stream(String prompt);
}

实现层使用 ChatClient：

java

复制代码

@Service
public class DefaultAiService implements AiService {

    private final ChatClient chatClient;

    public DefaultAiService(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

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

    @Override
    public Flux<String> stream(String prompt) {
        return chatClient.prompt()
            .user(prompt)
            .stream()
            .content();
    }
}

这里的 Flux 需要 Reactor 依赖，且具体流式返回类型要与所用 Spring AI 版本匹配。

优点：

业务代码只依赖 AiService，不绑定具体模型厂商；
可以统一处理日志、超时、异常、限流和监控；
更换模型或调整调用方式时，主要修改实现层；
普通调用与流式调用可以共用统一业务入口。

方案 C：共用 ChatClient，但动态切换模型

如果不同业务需要不同模型，例如普通对话使用低成本模型、复杂推理使用高性能模型，可以配置多个 ChatModel 或 ChatClient，通过路由层按业务选择。

不要简单地把一个全局可变的 ChatModel 来回替换，否则并发请求可能互相影响。更稳妥的做法是使用不可变配置和显式路由。