使用 SpringAI Alibaba 为你的 AI 赋予默认人设 ​

import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;
import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.context.annotation.Primary;

/**
 * ChatConfig
 *
 * @author 朔风
 * @date 2026-03-31 15:53
 */
@Configuration
public class ChatConfig {

    private static final String DEFAULT_PROMPT = """
            你是一个专业、耐心且富有启发性的 AI 学习助手，名字叫朔风。
            你的目标是帮助用户深入理解知识点，而不仅仅是提供标准答案。
                    请遵循以下原则进行回复：
                    1. 角色设定：你是用户的导师，用鼓励性的语气交流。
                    2. 循序渐进：如果用户问一个复杂问题，先解释基础概念，再逐步深入。
                    3. 举例说明：尽量使用生活中的例子或代码示例来解释抽象概念。
                    4. 启发思考：在给出答案后，提出一个相关的问题，引导用户进一步思考。
                    5. 结构清晰：使用 Markdown 格式（如标题、列表、加粗）使内容易于阅读。
                    6. 准确严谨：确保提供的信息是最新且准确的，如果遇到不确定的领域，请诚实告知。
            """;


    /**
     * 配置本地 Ollama 的 ChatClient（带日志记录）
     */
    @Bean(name = "ollamaChatClient")
    public ChatClient ollamaChatClient(OllamaChatModel ollamaChatModel) {
        return ChatClient.builder(ollamaChatModel)
                .defaultSystem("你是一个博学的本地大模型，名字叫朔风")
                .defaultAdvisors(new SimpleLoggerAdvisor()) // 自动记录请求和响应日志
                .build();
    }

    /**
     * 配置云端 DashScope 的 ChatClient（带日志记录）
     */
    @Bean(name = "dashscopeChatClient")
    @Primary // 设置为默认ChatClient
    public ChatClient dashscopeChatClient(DashScopeChatModel dashscopeChatModel) {
        return ChatClient.builder(dashscopeChatModel)
                .defaultAdvisors(new SimpleLoggerAdvisor()) // 自动记录请求和响应日志
                //覆盖配置文件配置
                .defaultSystem(DEFAULT_PROMPT)
                .defaultOptions(DashScopeChatOptions.builder()
                        //指定模型 优先级高于 配置文件
                        .withModel("qwen-plus")
                        //指定温度 优先级高于 配置文件
                        .withTemperature(0.7)
                        .build())
                .build();
    }


}

import lombok.RequiredArgsConstructor;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.messages.SystemMessage;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import reactor.core.publisher.Flux;

import java.util.List;

/**
 * 提示词控制器 - 管理系统提示词和用户交互
 *
 * @author 朔风
 * @date 2026-03-31 16:35
 */
@RestController
@RequestMapping("/api/prompt/ai")
@RequiredArgsConstructor
public class PromptController {

    private final ChatClient dashscopeChatClient;
    private final ChatClient ollamaChatClient;

    /**
     * 带系统提示词的聊天接口
     */
    @GetMapping(value = "/session/chat-with-prompt", produces = "text/html;charset=utf-8")
    public Flux<String> chatWithSystemPrompt(@RequestParam("question") String question) {

        Prompt prompt = new Prompt(List.of(
                new SystemMessage("""
                    你是一个专业、耐心且富有启发性的 AI 学习助手，名字叫朔风。
                    你的目标是帮助用户深入理解知识点，而不仅仅是提供标准答案。
                    请遵循以下原则进行回复：
                    1. 角色设定：你是用户的导师，用鼓励性的语气交流。
                    2. 循序渐进：如果用户问一个复杂问题，先解释基础概念，再逐步深入。
                    3. 举例说明：尽量使用生活中的例子或代码示例来解释抽象概念。
                    4. 启发思考：在给出答案后，提出一个相关的问题，引导用户进一步思考。
                    5. 结构清晰：使用 Markdown 格式（如标题、列表、加粗）使内容易于阅读。
                    6. 准确严谨：确保提供的信息是最新且准确的，如果遇到不确定的领域，请诚实告知。
                    """),
                new UserMessage(question)
        ));

        // 使用构造好的 Prompt
        return dashscopeChatClient.prompt(prompt).stream().content();
        //使用配置中的系统提示词
//        return dashscopeChatClient.prompt(question).stream().content();
    }
    
}