目录

阶段三

Prompt 工程基本概念/Prompt 优化技巧

AI 恋爱大师应用需求分析/AI 恋爱大师应用方案设计

MVP 最小可行产品策略

Spring AI ChatClient / Advisor / ChatMemory 特性

ChatClient

Advisor/拦截器

Chat Memory Advisor

Chat Memory

多轮对话 AI 应用开发

Spring AI 自定义 Advisor

自定义日志 Advisor

 Re-Reading Advisor

Spring AI 结构化输出 - 恋爱报告功能

Spring AI 对话记忆持久化

Spring AI Prompt 模板特性

多模态概念和开发

---

阶段三

Prompt 工程基本概念/Prompt 优化技巧

总之就是多角度多方面描述，细致一点就对了。

AI 恋爱大师应用需求分析/AI 恋爱大师应用方案设计

MVP 最小可行产品策略

MVP 最小可行产品策略是指先开发包含 核心功能 的基础版本产品快速推向市场，以最小成本验证产品假设和用户需求。通过收集真实用户反馈进行迭代优化，避免开发无人使用的功能，降低资源浪费和开发风险。

Prompt可以ai生成，需求分析可以ai生成，方案设计可以ai生成

Spring AI ChatClient / Advisor / ChatMemory 特性

ChatClient

自己构造的 ChatClient，可实现功能更丰富、更灵活的 AI 对话客户端，也更推荐通过这种方式调用 AI。

两种构造方法：

@Service
public class ChatService {
    private final ChatClient chatClient;
    
    public ChatService(ChatClient.Builder builder) {
        this.chatClient = builder
            .defaultSystem("你是恋爱顾问")
            .build();
    }
}


ChatClient chatClient = ChatClient.builder(chatModel)
    .defaultSystem("你是恋爱顾问")
    .build();

多‌种响应格式：

ChatResponse chatResponse = chatClient.prompt()
    .user("Tell me a joke")
    .call()
    .chatResponse();


//Java 16+ 引入的「记录（Record）」 定义，用于简洁地创建一个「不可变的数据载体类」
record ActorFilms(String actor, List<String> movies) {}
ActorFilms actorFilms = chatClient.prompt()
    .user("Generate the filmography for a random actor.")
    .call()
    .entity(ActorFilms.class);

//返回泛型集合
List<ActorFilms> multipleActors = chatClient.prompt()
    .user("Generate filmography for Tom Hanks and Bill Murray.")
    .call()
    .entity(new ParameterizedTypeReference<List<ActorFilms>>() {});

//流式返回，文本是逐段实时输出的
//Flux是 Reactor 框架的核心类型，代表异步、非阻塞、可背压的流式序列：

Flux<String> streamResponse = chatClient.prompt()
    .user("Tell me a story")
    .stream()
    .content();


Flux<ChatResponse> streamWithMetadata = chatClient.prompt()
    .user("Tell me a story")
    .stream()
    .chatResponse();

设置默认参数

//设置可被替换的模板，动态注入
ChatClient chatClient = ChatClient.builder(chatModel)
        .defaultSystem("You are a friendly chat bot that answers question in the voice of a {voice}")
        .build();


chatClient.prompt()
        .system(sp -> sp.param("voice", voice))
        .user(message)
        .call()
        .content());

Advisor/拦截器

创建一个空的 AdvisorContext 对象，用于传递信息。责任链模式的设计思想。

Advi⁠sors 分为 2 种模式：流式 Streamin‌g 和非流式 Non-Streaming，二者在用​法上没有明显的区别，返回值不同罢了。

示例代码：

ChatClient chatClient = ChatClient.builder(chatModel)
    .defaultAdvisors(
        new MessageChatMemoryAdvisor(chatMemory), 
        new QuestionAnswerAdvisor(vectorStore)    
    )
    .build();

String response = this.chatClient.prompt()
    //绑定历史会话与限制会话长度
    .advisors(advisor -> advisor.param("chat_memory_conversation_id", "678")
            .param("chat_memory_response_size", 100))
    .user(userText)
    .call()
    .content();

Chat Memory Advisor

三种实现：

• MessageChatMemoryAdvisor：从记忆中检索历史对话，并将其作为消息集合添加到提示词中（更结构化，常用）
• PromptChatMemoryAdvisor：从记忆中检索历史对话，并将其添加到提示词的系统文本中（可能会‌失去原始的消息边界）
• VectorStoreChatMemoryAdvisor：可以用向量数据库来存储检索历史对话

Chat Memory

• InMemoryChatMemory：内存存储
• CassandraChatMemory：在 Cassandra 中带有过期时间的持久化存储
• Neo4jChatMemory：在 Neo4j 中没有过期时间限制的持久化存储
• JdbcChatMemory：在 JDBC 中没有过期时间限制的持久化存储

当然也可以⁠通过实现 Chat‌Memory 接口​自定义数据源的存储

多轮对话 AI 应用开发

CTRL+SHIFT+T创建测试类

引入Springai依赖

@SpringBootTest//启动完整的 Spring 上下文（ApplicationContext）

Assertions.assertNotNull(answer); 是 JUnit 测试框架中用于断言的核心方法，核心作用是「验证 answer 变量的值不是 null」，如果 answer 是 null，则测试会直接失败并抛出断言异常。

“断言”（Assertion）在编程（尤其是测试）中，是开发者对程序运行结果的 “预期声明” 

简单说：断言 = 「我预判结果是这样」 + 「不符合预判就立刻提醒我」。

问题：缺失springai包导致无法导入org.springframework.ai.chat.model.ChatModel;

我先通过ai重新引入springai包，但又发生各种冲突。所以最后还是选择阶段二鱼皮用的包，仍然出现各种警告，我把springboot重新降为3.4.4版本，解决一大部分，少部分红色警告就没管了。

Spring AI 自定义 Advisor

自定义日志 Advisor

1）选择合⁠适的接口实现，实现‌以下接口之一或同时​实现两者（更建议同‎时实现）：

CallAroundAdvisor：用于处理同步请求和响应（非流式）

StreamAroundAdvisor：用于处理流式请求和响应

2）实现核心方法

对于非流式⁠处理 (CallA‌roundAdvi​sor)，实现 a‎roundCall‌ 方法

对于流式处⁠理 (Stream‌AroundAdv​isor)，实现 ‎aroundStr‌eam 方法

3）设置执行顺序

通过实现getOrder()方法指定 Advisor 在链中的执行顺序。值越小优先级越高，越先执行

4）提供唯一名称

为每个 Advisor 提供一个唯一标识符

更改springai日志输出级别：1.修改配⁠置文件2.自定义日志 Adv‌isor

logging:
  level:
    org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor: debug

Spring Boot 定义的 “通用日志配置语法”，最终由 Logback（默认）执行生效。

arou⁠ndStream 方法的返回，通过 MessageAggreg‌ator 工具类将 Flux 响应聚合成单个 AdvisedR​esponse。这对于日志记录或其他需要观察整个响应而非流中各‎个独立项的处理非常有用。

 Re-Reading Advisor

• .userParams(advisedUserParams)：将包含 re2_input_query 的参数 Map 绑定到新请求 —— 这是模板变量替换的关键，Spring AI 会自动把 Prompt 中的 {re2_input_query} 替换为参数值；

可以使用 adviseContext 在 Advisor 链中共享状态

Spring AI 结构化输出 - 恋爱报告功能

知识前提

Sprin⁠g AI 提供了多‌种转换器实现，分别​用于将输出转换为不‎同的结构：

• AbstractConversionServiceOutputConverter：提供预配置的 GenericConversionService，用于将 LLM 输出转换为所需格式
• AbstractMessageOutputConverter：支持 Spring AI Message 的转换
• BeanOutputConverter：用于将输出转换为 Java Bean 对象（基于 ObjectMapper 实现）
• MapOutputConverter：用于将输出转换为 Map 结构
• ListOutputConverter：用于将输出转换为 List 结构
• 

功能开发

依赖-record定义类-方法-测试代码（在实现中以上功能都由entity(LoveReport.class)实现）

1. 加工格式指令（对应流程图的「提供格式指令」）

entity(...) 会自动做以下操作：

• 扫描 LoveReport 类的字段（比如标题、建议列表）；
• 用 jsonschema-generator 生成对应的 JSON Schema（格式指令）；
• 把这个格式指令自动拼到你的 system Prompt 里，告诉 AI “必须按这个格式输出”。

2. 结构化输出（对应流程图的「将文本转换为结构化输出」）

AI 返回文本后，entity(...) 会：

• 把 AI 输出的文本（符合格式指令的 JSON），自动解析为 LoveReport 类的实例；
• 最终返回这个实例（就是你代码里的 loveReport）。

Spring AI 对话记忆持久化

• InMemoryChatMemory：内存存储
• CassandraChatMemory：在 Cassandra 中带有过期时间的持久化存储
• Neo4jChatMemory：在 Neo4j 中没有过期时间限制的持久化存储
• JdbcChatMemory：在 JDBC 中没有过期时间限制的持久化存储

自定义实现 ChatMemory

我们本能地会想到通过 JSON 进行序列化，但实际操作中，我们发现这并不容易。原因是：

1. 要持久化的 Message 是一个接口，有很多种不同的子类实现（比如 UserMessage、SystemMessage 等）
2. 每种子类所拥有的字段都不一样，结构不统一
3. 子类没有无参构造函数，而且没有实现 Serializable 序列化接口

选择高性能的 Kryo 序列化库

依赖-实现chatmemory的类-修改构造函数-测试

Spring AI Prompt 模板特性

Spring AI 提供了几种专用的模板类，对应不同角色的消息：

1. SystemPromptTemplate：用于系统消息，设置 AI 的行为和背景
2. AssistantPromptTemplate：用于助手消息，用于设置 AI 回复的结构
3. FunctionPromptTemplate：目前没用

用Map替换

从文件加载模板

@Value("classpath:/prompts/system-message.st")
priva⁠te Resour‌ce system​Resource;


SystemPromptT‌emplate systemProm​ptTemplate = new S‎ystemPromptTemplat‌e(systemResource);

多模态概念和开发

1、Spring AI 多模态开发

2、平台 SDK 多模态开发

使用的通义千文-图像编辑功能

碎碎念：写的好糟糕，才发现有MD编辑器，格式乱成一坨了