Spring AI教程（二）Chat API之Prompts模板语法

本文主要是介绍Spring AI教程（二）Chat API之Prompts模板语法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Prompts 模板语法

 上节我们介绍了提示词工程，并通过设定SystemMessage获得了一个会骂人的AI。而本节介绍的内容仍然与提示词有关。

 Spring AI为我们提供了提示词模板，允许我们通过一些模板，快速地动态生成提示词并发起提问。除此之外，我们还能使用Spring AI为我们提供的输出解析器将AI回复的内容解析为Bean对象。

5.1 PromptTemplate

PromptTemplate能够帮助我们创建结构化提示词，是Spring AI提示词工程中的关键组件，该类实现了三个接口：PromptTemplateStringActions、PromptTemplateActions和PromptTemplateMessageActions,这些接口的主要功能也有所不同：

• PromptTemplateStringActions: 主要用于创建和渲染提示词字符串，接口的返回值类型均是String类型，这是提示词的基本形式。
• PromptTemplateActions: 主要用于创建Prompt对象，该对象可直接传递给ChatClient以生成响应。
• PromptTemplateMessageActions：主要用于创建Message对象，这允许我们针对Message对象进行其他的相关操作。

 例如，我们想定义一个这样的提示词：提供作者姓名，返回该作者最受欢迎的书，出版时间和书的内容概述。

    @GetMapping("/template")public String promptTemplate(String author){// 提示词final String template = "请问{author}最受欢迎的书是哪本书？什么时候发布的？书的内容是什么？";PromptTemplate promptTemplate = new PromptTemplate(template);// 动态地将author填充进去Prompt prompt = promptTemplate.create(Map.of("author", author));ChatResponse chatResponse = chatClient.call(prompt);AssistantMessage assistantMessage = chatResponse.getResult().getOutput();return assistantMessage.getContent();}

 我们除了可以通过定义字符串加载Template以外，我们还可以以Resource的形式加载Template，例如，我们在resouces下创建prompt.st(文件后缀名合理即可)，将刚刚的提示词模板写入到该文件中。

package com.ningning0111.controller;import org.springframework.ai.chat.ChatClient;
import org.springframework.ai.chat.ChatResponse;
import org.springframework.ai.chat.messages.AssistantMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.core.io.Resource;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;import java.util.Map;@RestController
public class ChatController {private final ChatClient chatClient;@Value("classpath:prompt.st")private Resource templateResource;public ChatController(ChatClient chatClient) {this.chatClient = chatClient;}@GetMapping("/template")public String promptTemplate(String author){// 提示词PromptTemplate promptTemplate = new PromptTemplate(templateResource);// 动态地将author填充进去Prompt prompt = promptTemplate.create(Map.of("author", author));ChatResponse chatResponse = chatClient.call(prompt);AssistantMessage assistantMessage = chatResponse.getResult().getOutput();return assistantMessage.getContent();}}

5.2 实现代码生成器

 上面已经将Prompt的使用介绍得比较清楚了，接着我们可以使用Prompt来创建一个代码生成器的接口,通过传入描述消息、语言信息和方法名称来得到响应代码。提示词模板code.st文件内容如下：

/*** @language {language}* @method {methodName}* @describe {description}**/

接口代码如下：

@Value("classpath:code.st")private Resource codeTemplate;@GetMapping("/code")public String generateCode(@RequestParam String description, @RequestParam String language, @RequestParam String methodName) {PromptTemplate promptTemplate = new PromptTemplate(codeTemplate);Prompt prompt = promptTemplate.create(Map.of("description", description, "language", language, "methodName", methodName));ChatResponse chatResponse = chatClient.call(prompt);AssistantMessage assistantMessage = chatResponse.getResult().getOutput();return assistantMessage.getContent();}

效果如下：

 在设计代码生成器接口时，我们还可以提供我们项目代码的上下文信息，这样，AI就能根据我们项目里的代码信息，更加准确的生成我们可使用的业务代码了。

5.3 OutputParser 生成解析器

Spring AI不仅为我们提供了PromptTemplate让我们快速的构建用于输入AI的提示词，还为我们提供了OutputParser解析器，该解析器可以将AI生成的内容解析为Java Bean对象。该解析器类似于ORM框架中的Mapper，将AI的生成内容映射为Java对象。
OutputParser结合了Parser<T>和FormatProvider。
FormatProvider接口用于提供一些文本指令，来限制AI的输出格式，这里就用到了提示词，我们可以通过阅读源码来查看Spring AI内部设定的相关提示词：

 Parser<T>接口用于解析AI生成的内容并将其转换为Java对象返回。
在Spring AI中，OutputParser接口有三个具体的实现类：

• BeanOutputParser: 通过让AI生成JSON格式的文本，然后通过JSON反序列化为Java对象返回；
• MapOutputParser: 与BeanOutputParser的功能类似，但会将JSON反序列化为Map对象；
• ListOutputParser: 让AI生成以逗号分隔的列表；

一般的，我们会先使用**FormatProvider**获取输出限制的提示词对AI生成的文本格式进行限制，然后用**Parser<T>**来解析我们生成的内容作为一个Bean对象。

 接下来将主要演示下BeanOutputParser解析器的使用。

5.4 OutputParser解析器示例

 功能描述：通过传入作者名称，返回包含作者名、该作者最受欢迎的书的名称，出版时间以及书中内容描述的Java对象。
定义一个Book类，创建构造器和相关Get、Set方法：

package com.ningning0111.model;public class Book {private String author;private String bookName;private String publishedDate;private String description;public Book(){};public String getBookName() {return bookName;}public void setBookName(String bookName) {this.bookName = bookName;}public Book(String author, String publishedDate, String description, String bookName) {this.author = author;this.publishedDate = publishedDate;this.description = description;this.bookName = bookName;}public String getAuthor() {return author;}public String getPublishedDate() {return publishedDate;}public String getDescription() {return description;}public void setAuthor(String author) {this.author = author;}public void setPublishedDate(String publishedDate) {this.publishedDate = publishedDate;}public void setDescription(String description) {this.description = description;}
}

接口代码：

    @GetMapping("/bean")public Book getBookByAuthor(String author) {final String template = """请告诉我{author}最受欢迎的书是哪本？什么时间出版的？书的内容描述了什么？{format}""";// 定义一个输出解析器OutputParser<Book> bookParser = new BeanOutputParser<>(Book.class);PromptTemplate promptTemplate = new PromptTemplate(template);Prompt prompt = promptTemplate.create(Map.of("author", author, "format", bookParser.getFormat()));ChatResponse chatResponse = chatClient.call(prompt);AssistantMessage assistantMessage = chatResponse.getResult().getOutput();// 解析为一个Bean对象Book book = bookParser.parse(assistantMessage.getContent());return book;}

 可以看到，我们通过提示词对AI生成的内容格式进行限制后，就能很轻松地将输出内容转换为Java对象供我们使用了。

这篇关于Spring AI教程（二）Chat API之Prompts模板语法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---