ChatClient提供了一套流畅的API用于与AI模型交互，同时支持同步和流式两种编程模型。
流畅API包含构建Prompt组成元素的方法，这些Prompt将作为输入传递给AI模型。从API角度来看，Prompt由一系列消息组成，其中包含指导AI模型输出和行为的指令文本。
AI模型主要处理两类消息：
- 用户消息(User Messages) - 来自用户的直接输入
- 系统消息(System Messages) - 由系统生成用于引导对话
这些消息通常包含占位符，运行时将根据用户输入进行替换，从而定制AI模型对用户输入的响应。
此外还可指定Prompt选项，例如：
- 使用的AI模型名称
- 控制生成输出随机性/创造性的temperature参数设置
创建ChatClient
ChatClient通过ChatClient.Builder对象创建。可以通过以下两种方式获取构建器实例：
- 使用Spring Boot自动配置的ChatModel获取预构建的ChatClient.Builder
- 通过编程方式自行创建Builder实例
使用自动配置的ChatClient.Builder
在最简单的使用场景中，Spring AI提供了Spring Boot自动配置功能，会预先创建一个原型ChatClient.Builder bean供您注入到类中。以下是一个获取简单用户请求字符串响应的基础示例：
@RestController
class MyController {
private final ChatClient chatClient;
public MyController(ChatClient.Builder chatClientBuilder) {
this.chatClient = chatClientBuilder.build();
}
@GetMapping("/ai")
String generation(String userInput) {
return this.chatClient.prompt()
.user(userInput)
.call()
.content();
}
}
在这个简单的示例中，用户输入会设定用户消息的内容。call() 方法会向人工智能（AI）模型发送请求，而 content() 方法则将 AI 模型的响应以字符串（String）形式返回。
与多个聊天模型协作
在单个应用程序中，可能会在以下几种场景下需要与多个聊天模型协作：
- 为不同类型的任务使用不同的模型（例如，使用功能强大的模型处理复杂推理任务，使用速度更快、成本更低的模型处理简单任务）
- 在某个模型服务不可用时，实施回退机制
- 对不同模型或配置进行 A/B 测试
- 根据用户偏好为用户提供模型选择
- 结合专用模型（一个用于代码生成，另一个用于创意内容创作等）
默认情况下，Spring AI 会自动配置一个单一的 ChatClient.Builder bean。然而，在应用程序中，可能需要与多个聊天模型协作。以下是处理这种情况的方法：
在所有情况下，通过设置属性 spring.ai.chat.client.enabled=false 来禁用 ChatClient.Builder 的自动配置。
这样，就可以手动创建多个 ChatClient 实例了。
使用单一模型类型的多个 ChatClient 实例
本节将介绍一种常见用例，即需要创建多个 ChatClient 实例，这些实例都使用相同的底层模型类型，但配置不同。
// Create ChatClient instances programmatically
ChatModel myChatModel = ... // already autoconfigured by Spring Boot
ChatClient chatClient = ChatClient.create(myChatModel);
// Or use the builder for more control
ChatClient.Builder builder = ChatClient.builder(myChatModel);
ChatClient customChatClient = builder
.defaultSystemPrompt("You are a helpful assistant.")
.build();
为不同模型类型定义 ChatClient
当与多个 AI 模型协作时，可以为每个模型定义单独的 ChatClient bean：
import org.springframework.ai.chat.ChatClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class ChatClientConfig {
@Bean
public ChatClient openAiChatClient(OpenAiChatModel chatModel) {
return ChatClient.create(chatModel);
}
@Bean
public ChatClient anthropicChatClient(AnthropicChatModel chatModel) {
return ChatClient.create(chatModel);
}
}
然后，可以使用 @Qualifier 注解将这些 bean 注入到应用程序组件中：
@Configuration
public class ChatClientExample {
@Bean
CommandLineRunner cli(
@Qualifier("openAiChatClient") ChatClient openAiChatClient,
@Qualifier("anthropicChatClient") ChatClient anthropicChatClient) {
return args -> {
var scanner = new Scanner(System.in);
ChatClient chat;
// Model selection
System.out.println("\nSelect your AI model:");
System.out.println("1. OpenAI");
System.out.println("2. Anthropic");
System.out.print("Enter your choice (1 or 2): ");
String choice = scanner.nextLine().trim();
if (choice.equals("1")) {
chat = openAiChatClient;
System.out.println("Using OpenAI model");
} else {
chat = anthropicChatClient;
System.out.println("Using Anthropic model");
}
// Use the selected chat client
