当前位置：首页 > news >正文

Java程序员学从0学AI（四）

news 2025/8/9 6:36:40

一、前言

在上一篇文章中，我们学习了SpringAI种的Advisor组件，这个是一个类似AOP的，用于增强大模型调用的组件。今天我们继续学习新的组件提示词：Prompts

二、Prompts

1、简介

提示词是我们和大模型交互的入口，我们通过提示词和大模型进行沟通。简单的来说提示词就是告诉大模型我们需要做什么。通过提示词可以非常直观地影响大模型的输出。举例，我们想让大模型给我们生成一篇美食推荐。

首先我们直接输入“帮我生成一篇介绍美食的文章”，大模型的输出如下

之后我们优化一下提示词：使用小红书风格返回

很明显，输出的内容有了很大的改变，这就是提示词的作用。一个好的提示词可以让大模型更好的理解我们所需要的内容是什么。

2、优秀的提示词模板

一个优秀的提示词需要包含以下几个方

（1）角色设定（Role）

明确AI的角色（如专家、助手、创作者等），例如：“你是一位资深营养师”。

（2）任务目标（Task）

清晰描述需要AI完成的具体任务，例如：“为我制定一份一周的健康饮食计划”。

（3）背景/上下文（Context）

提供必要的背景信息，例如：“用户是30岁的办公室职员，有轻度肥胖问题”。

（4）具体要求（Requirements）

列出细节要求（格式、风格、限制等），例如：“需包含早餐、午餐、晚餐，标注卡路里，避免海鲜过敏食材”。

（5）输出格式（Format）

指定回答的格式（如列表、表格、分步骤等），例如：“用Markdown表格呈现，并附上简要说明”。

3、案例

你是一位资深健身教练，擅长为忙碌的职场人士设计高效训练方案。请根据以下信息为我制定一份【两周的家庭健身计划】：

背景：

用户：32岁，男性，长期久坐，目标是减脂和改善腰背酸痛。
设备：仅有一对哑铃和瑜伽垫。
时间：每天30分钟。

要求：

包含热身、核心训练、力量训练和拉伸。
标注每项动作的组数、次数和注意事项。
用中文分步骤说明，动作名称附带英文对照（如“深蹲 Squat”）。

输出格式：

按天数排列，Markdown表格展示，每周休息2天。
最后附上饮食建议（每日热量控制在1800大卡左右）。

三、SpringAI+Promps

1、简介

SpringAI中也对提示词做了封装，提供了Promp类，用于封装提示词。

可以看到Prompt中包含一系列的Message，这个Message是一个接口，用于定义不同类型的Message（区分角色），UML如下图。

这里需要关注的是MessageType，分为 SYSTEM、USER、ASSISTANT、TOOL，我们挨个介绍一下

2、角色

消息角色（Message Roles）在AI交互中的重要性，通过给提示词（Prompt）中的不同部分分配特定角色，可以更清晰、高效地与AI模型沟通。

1、SYSTEM

系统角色，用于指导AI的行为以及响应的格式，例如 “你是一个专业的健身教练”。

2、USER

用户角色：代表着用户的输入，例如 “帮我制定一份减肥计划”

3、ASSISTANT

是AI交互中的核心枢纽，它远不止是对用户提问的简单回复，而是承担着三重关键角色：首先，作为对话引擎，通过记录自身的历史回复（Assistant Role消息）来维持上下文连贯性，确保多轮对话逻辑一致；其次，作为功能执行器，当需要超越纯文本交互时（如计算、数据查询等），它能主动发起工具调用（Tool Calls），将外部API或功能整合到回复中，实现任务自动化；最后，作为上下文粘合剂，它在System消息（系统规则）、User消息（用户输入）和Tool响应（外部结果）之间建立动态桥梁，形成完整的任务闭环。（这一部分有点难，可以先大致了解）

4、Tool

工具，这个和FunctionCall有关系（后文会讲），简单的来说就是告诉大模型有哪些工具可以让他调用。例如当用户问询大模型明天天气的时候，如果不借助外部工具，大模型是没办法指导。此时我们就可以告诉大模型工具信息，让大模型调用相对应的工具然后获取结果。

3、提示词模板

SpringAI为我们提供了提示词模板类,PromptTempalte，使用起来也很简单，下面是一个Demo

public class PromptTemplateDemo {public static void main(String[] args) {PromptTemplate promptTemplate = PromptTemplate.builder().renderer(StTemplateRenderer.builder().startDelimiterToken('<').endDelimiterToken('>').build()).template("""Tell me the names of 5 movies whose soundtrack was composed by <composer>.""").build();String prompt = promptTemplate.render(Map.of("composer", "John Williams"));System.out.println(prompt);}
}

� 这段代码就是把<> 替换成对应的参数

再来一个稍微复杂一些的例子，包含系统提示词、用户提示词

ChatModel chatModel = DeepSeekChatModel.builder().build();
String userText = """
Tell me about three famous pirates from the Golden Age of Piracy and why they did.
Write at least a sentence for each pirate.
""";
//用户提示词
Message userMessage = new UserMessage(userText);
String systemText = """
You are a helpful AI assistant that helps people find information.
Your name is {name}
You should reply to the user's request with your name and also in the style of a {voice}.
""";
//系统提示词
SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemText);
Message systemMessage = systemPromptTemplate.createMessage(Map.of("name", "hardy", "voice", "voice"));
Prompt prompt = new Prompt(List.of(userMessage, systemMessage));
List<Generation> response = chatModel.call(prompt).getResults();