Spring AI 增强器 API：用插件思维提升每一次 AI 对话质量！

一段“小米”和AI对话的故事

我还记得第一次把 ChatClient 跑起来那天，看到 AI 能回复我的业务问题时，心里别提多开心了。可是第二天产品经理问：“能不能让 AI 在回答前加个‘本回答仅供参考’？我们风控要求。”

我心想：“啊这……改模型不现实，Prompt 也不一定每次都能记住。怎么办？”

就在我琢磨着要不要手动给每条回答加 disclaimers 的时候，发现了 Spring AI 的一个接口：ResponseEnhancer。

它像是一扇通往无限可能的大门，从此我对 AI 回复的“再加工”，打开了新世界。

增强器 API 概述：这不是 Hook，是神器！

在 Spring AI 中，增强器(Enhancer)API 的定位是 —— 对 Prompt 请求/响应链路的预处理器/后处理器。

简单说就是：

• 你可以在“问”之前，插一脚 —— 改写用户问题、追加上下文。
• 你可以在“答”之后，插一脚 —— 增加 disclaimer、重新格式化结果、追加情感色彩等。

Spring AI 提供了两大核心接口：

• PromptEnhancer
• ResponseEnhancer

它们分别在对话生命周期中的两个阶段生效：

• PromptEnhancer：处理原始用户输入 Prompt，可改写或增强。
• ResponseEnhancer：处理 LLM 返回的结果 AIResponse，可改写答案或封装成特定格式。

从设计角度看，这其实是典型的责任链模式，非常适合扩展和插拔。

动手造轮子：实现两个增强器

1. 日志增强器：最实用的“调试神器”

如果你想知道每次问了什么，AI 回了啥，又不想在业务代码里写一堆 System.out.println，那就写个日志增强器。

这个增强器的好处：

• 开发阶段调试方便
• 生产阶段可以审计问答记录
• 搭配 MDC 还能定位哪个用户问了什么

2. Re2 重读增强器：再给我来一遍

有时候你会发现：AI 的第一句话很棒，但后面有点跑题了；或者你想尝试 AI 换种口吻、换种方式再说一次怎么办？

这时就可以通过增强器重写 prompt 或多轮调用实现“Re2”，即 再次发问、重新生成。

比如我们实现一个简单的“重读风格转化”增强器，让 AI 输出的内容更有趣：

你看，我们对第一次 AI 的回答不满意，就通过 enhancer 让它“再来一次”，这就像让助手自己润色自己的回答。

Spring AI 内置增强器，你可能已经在用！

Spring AI 自带了一些非常有用的增强器，不需要你亲自写。

1. HistoryPromptEnhancer

这是 Spring AI 内置的“对话上下文管理器”。如果你发现 AI 回答跟你上一句话对不上，那就很可能是没开启这个增强器。

它会自动维护一个 session buffer，把你前几轮的提问和 AI 回答拼接进 prompt 中，形成完整上下文。

使用方法非常简单，只要配置 MemoryChatClient 即可：

然后这个 enhancer 就会悄悄帮你做记忆处理了。

2. FunctionCallEnhancer

如果你用到了 @AiFunction 的函数调用能力，比如根据用户输入查天气、查汇率，那它背后就靠这个增强器来解析函数意图、绑定参数并调用的。

Spring AI 背后有一整套 Function Call Chain，增强器只是其中一环，但这个 enhancer 是让函数和对话融合的桥梁。

流式 vs 非流式增强器：如何优雅插队？

你可能会问，增强器这么好，那流式模式还能用吗？其实答案是：

两者可以兼容，但有细微差异！

在 Spring AI 中，ResponseEnhancer 主要作用于非流式响应。如果你启用了 StreamingChatClient 来获取 Publisher<AiResponseChunk>，那就不能直接使用 ResponseEnhancer，因为响应是一点点流出来的。

这时你需要：

• 要么在 Prompt 端处理，比如改写 Prompt(PromptEnhancer 是可以作用在流式的)。
• 要么在消费者端对 Chunk 做处理，比如组装后追加 disclaimers。

小米这里的建议是：

• 想加工结果内容：非流式 + ResponseEnhancer
• 想处理上下文或注入信息：PromptEnhancer 皆可用
• 流式响应：在 consumer 中处理会更灵活

结语：用增强器，打造你的专属 AI 助理

写完这篇文章，小米心里特别感慨：现在的 AI 开发，已经不是 “硬调模型” 的时代了，而是 “软调策略” 的比拼。而增强器 API，正是这场变革中的关键一环。

它就像 Java 的 AOP，又像 Servlet 的 Filter，更像是你写业务逻辑之前的“钩子”。

不管是加 disclaimers、风格润色、埋点记录，还是做多轮上下文增强，增强器都能帮你轻松搞定。

用一句话总结就是：

Prompt 写得好，不如 Enhancer 加得妙！

下次再遇到“AI 回答不合我意”，先别抱怨模型不行，试试写个 enhancer，说不定能立刻灵魂附体！

END

如果你喜欢这种开发故事风格的分享，欢迎点个在看、收藏一波！小米会持续更新 Spring AI 的更多高级玩法，比如：函数调用链路、RAG 重排增强、个性化缓存策略等，咱们下篇见！

我是小米，一个喜欢分享技术的31岁程序员。如果你喜欢我的文章，欢迎关注我的微信公众号“软件求生”，获取更多技术干货！