【Prompt提示词】

最新推荐文章于 2025-11-24 18:37:40 发布

原创最新推荐文章于 2025-11-24 18:37:40 发布 · 771 阅读

20 ·

CC 4.0 BY-SA版权

文章标签：

#prompt #ai #spring

【Spring Ai】专栏收录该内容

8 篇文章

订阅专栏

摘要：

本文简单了SpringAI框架中的提示词Prompt，提示词是与AI模型交互的核心组件，其设计直接影响模型输出质量。消息分为User、System、Assistant和Tool四种角色，分别对应不同交互场景。高效提示词应包含清晰指令、上下文、用户输入和输出格式要求。框架支持通过占位符实现动态数据替换。Token是模型处理文本的基础单元，其数量限制和计费方式对应用开发至关重要。开发者需合理控制Token使用量以优化成本和性能。

Spring官方定义：

提示词是引导 AI 模型生成特定输出的输入，其设计和措辞显著影响模型响应。

在 Spring AI 与 AI 模型的基础交互层中，提示词的处理方式类似于 Spring MVC 中的 "View" 管理，即创建包含动态内容占位符的扩展文本，随后根据用户请求或应用代码替换这些占位符。另一种类比是包含表达式占位符的 SQL 语句。

一，角色（Role）

1，定义

每条消息被分配特定角色，这些角色对消息进行分类，向 AI 模型阐明提示每个片段的上下文和目的。这种结构化方法通过让提示的每个部分在交互中扮演明确角色，增强了与 AI 沟通的精细度和有效性。

2，User角色（用户提示词）

代表用户的输入 — 包括问题、命令或对 AI 的陈述。该角色构成 AI 响应的基础，具有根本重要性。

    public Flux<String> service(String prompt){
        return serviceChatClient
                .prompt()
                .user(prompt)// 传入user提示词
                .stream()
                .content();
    }

3，System角色（系统提示词）

指导 AI 的行为和响应风格，设定 AI 解释和回复输入的参数或规则，类似于在开始对话前向 AI 提供指令。

（1）默认的系统提示词（全局）

    @Bean
    public ChatClient gameChatClient(OpenAiChatModel model, ChatMemory chatMemory) {
        return ChatClient
                .builder(model)
                .defaultSystem(SystemConstants.GAME_SYSTEM_PROMPT)
                .defaultAdvisors(
                        new SimpleLoggerAdvisor(),
                        new MessageChatMemoryAdvisor(chatMemory)
                )
                .build();
    }

（2）会话的系统提示词（当前会话）

    public Flux<String> service(String prompt){
        return serviceChatClient
                .prompt()
                .user(prompt)// 传入user提示词
                .system("system prompt") // 会话系统提示词
                .stream()
                .content();
    }

4，Assistant 角色

AI 对用户输入的响应，不仅是答案或反应，更对维持对话流至关重要。通过追踪 AI 之前的响应（其 "Assistant Role" 消息），系统确保连贯且上下文相关的交互。

助手消息也可能包含函数工具调用请求信息 — 这是 AI 的特殊功能，在需要时执行计算、获取数据等超越对话的特定任务。

5，Tool/Function 角色

专注于响应工具调用类助手消息，返回附加信息，本质就是Tool Calling 工具调用，对自定义的函数进行响应。

    @Bean
    public ChatClient serviceChatClient(
            AlibabaOpenAiChatModel model,
            ChatMemory chatMemory,
            CourseTools courseTools) {
        return ChatClient.builder(model)
                .defaultSystem("系统提示词")
                .defaultAdvisors(
                        new MessageChatMemoryAdvisor(chatMemory),
                        new SimpleLoggerAdvisor())
                .defaultTools(courseTools)  // 自定义的Tools
                .build();
    }

二，提示词工程

在生成式 AI 中，提示词创建是开发者的关键任务。这些提示词的质量和结构显著影响 AI 输出的有效性。投入时间精心设计提示词可大幅提升 AI 生成结果。

1，创建高效提示词

（1）指令：向 AI 提供清晰直接的指示，类似于与人沟通的方式。这种明确性对帮助AI “理解” 预期目标至关重要。

（2）外部上下文：必要时包含相关背景信息或对 AI 响应的具体指导。这种 “外部上下文” 构建了提示框架，帮助 AI 理解整体场景。

（3）用户输入：这是直接部分 — 用户构成提示核心的明确请求或问题。

（4）输出指示器：它需要指定 AI 响应的期望格式（如 JSON），但需注意 AI 可能不会严格遵循该格式。例如，它可能在实际 JSON 数据前添加 “这是您的JSON” 等短语，或有时生成不准确的类 JSON 结构（不建议）。

你是房屋租赁平台的智能客服“小居”，负责为用户提供租房全流程的贴心服务。
你的核心职责是用和蔼亲和的语气，自然流畅地解答用户租房相关问题，让用户感受到专业又温暖的支持。

面对用户咨询时，需主动理解需求：若用户找房，需询问预算、户型、位置等关键信息并精准匹配；
若涉及签约流程，需清晰说明合同条款、押金规则、租期要求等细节；
若反馈房屋问题，要耐心记录故障情况并指引报修流程。
交流中多用生活化表达，避免生硬术语，适时使用语气词（如“呀”“呢”）增强亲切感。当用户情绪焦虑时，先安抚情绪再解决问题；对不确定的信息，明确告知“我帮你确认后回复”或转接人工，不随意承诺。
始终以“帮用户轻松租房”为目标，让每一次互动都高效又暖心～ 🏠

要求：在涉及增删改（除了查询）的function-call前，必须等用户回复“确认”后再调用tool，全程用中文与用户交流

2，提示词数据替换

（1）提示词中有需要在代码中替换的数据，如：今天的日期，使用占位符{}

今天的日期是 {current_date}

（2）在请求模型时通过.system()的param语句替换

    @GetMapping(value = "/chat", produces = "text/html;charset=UTF-8")
    public Flux<String> chat(String prompt) {
        //请求模型
        return chatClient.prompt()
                .user(prompt)
                .system(p->p.param("current_date", LocalDate.now()))
                .stream()
                .content();
    }