开启 AI 开发新时代（三）：Spring AI核心类

代码库地址：https://github.com/Why1214/spring-demo.git

分支：spring-ai

前面我们已经对AI概念做了一个详细的介绍，同时也通过简单的demo实现了Spring AI框架的入门练习。今天开始，我们将深入Spring AI，对它的详细框架进行一个系统的介绍。

我会通过Spring AI的核心类，结合一些实用demo，

帮助大家快速掌握如何在项目中使用 Spring AI，让大模型真正服务于我们的日常开发。 🚀

Message（org.springframework.ai.chat.messages.Message）

Message包含了真正要发送给大模型的消息，一共有四类消息（MessageType）：用户消息、系统消息、助手消息（模型之前的回复）、工具：

UserMessage userMessage = new UserMessage(message);
SystemMessage systemMessage = new SystemMessage(sysMsg);

Prompt（org.springframework.ai.chat.prompt.Prompt）

• Prompt代表一次完整的输入，不仅仅是简单的字符串；

• 内部可以包含多个Message对象；

• 还可以携带一些提示选项（ChatOptions），如温度等。

Prompt prompt = new Prompt(userMessage, systemMessage);

ChatModel（org.springframework.ai.chat.model.ChatModel）

在Spring AI中，所有对话聊天类的大模型都被抽象成了统一的接口，即ChatModel；

• ChatModel有两个主要的方法，call和stream，分别代表普通交互和流式交互；

• ChatModel有一个实现类，OpenAiChatModel，真正注入到Spring容器中的对象，负责和大模型进行交互

@RestController
public class TestController {    
    @Resource    
    private OpenAiChatModel chatModel;    
    
    @GetMapping(value = "/deepseek/chat/call2")    
    public String call2(@RequestParam(value = "message") String message, @RequestParam(value = "sysMsg") String sysMsg) {      
        UserMessage userMessage = new UserMessage(message);      
        SystemMessage systemMessage = new SystemMessage(sysMsg);        
        Prompt prompt = new Prompt(userMessage, systemMessage);       
        ChatResponse chatResponse = this.chatModel.call(prompt);        
        return Optional.ofNullable(chatResponse)                
                       .map(ChatResponse::getResult)  
                       .map(Generation::getOutput)        
                       .map(AssistantMessage::getText)     
                       .orElse("");    
    }
}

总结

在这篇文章里，我们依次认识了 Spring AI 的三个核心类：Message、Prompt、ChatModel，结合这三个类，可以快速写出一个完整的demo与模型实现对话交互。

写字不易，分享更难。如果你喜欢这样的技术分享，欢迎扫码关注我的公众号，让我们一起边写代码，边聊 AI。👨‍💻☕