开源模型应用落地-工具使用篇-Spring AI-高阶用法（九）

一、前言

通过“开源模型应用落地-工具使用篇-Spring AI-Function Call（八）-CSDN博客”文章的学习，已经掌握了如何通过Spring AI集成OpenAI以及如何进行function call的调用，现在将进一步学习Spring AI更高阶的用法，如：传递历史上下文对话，调整模型参数等。

二、术语

2.1、Spring AI

是 Spring 生态系统的一个新项目，它简化了 Java 中 AI 应用程序的创建。它提供以下功能：

• 支持所有主要模型提供商，例如 OpenAI、Microsoft、Amazon、Google 和 Huggingface。
• 支持的模型类型包括“聊天”和“文本到图像”，还有更多模型类型正在开发中。
• 跨 AI 提供商的可移植 API，用于聊天和嵌入模型。
• 支持同步和流 API 选项。
• 支持下拉访问模型特定功能。
• AI 模型输出到 POJO 的映射。

三、前置条件

3.1、JDK 17+

下载地址：Java Downloads | Oracle

![](https://img-blog.csdnimg.cn/direct/e8b489e2ce4642438e1dabd6b18cf690.png)​

3.2、创建Maven项目

SpringBoot版本为3.2.3

<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>3.2.3</version>
    <relativePath/> <!-- lookup parent from repository -->
</parent>

3.3、导入Maven依赖包

<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <optional>true</optional>
</dependency>

<dependency>
    <groupId>ch.qos.logback</groupId>
    <artifactId>logback-core</artifactId>
</dependency>

<dependency>
    <groupId>ch.qos.logback</groupId>
    <artifactId>logback-classic</artifactId>
</dependency>

<dependency>
    <groupId>cn.hutool</groupId>
    <artifactId>hutool-core</artifactId>
    <version>5.8.24</version>
</dependency>

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>0.8.0</version>
</dependency>

3.4、 科学上网的软件

四、技术实现

4.1、新增配置

spring:
  ai:
    openai:
      api-key: sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

PS:

1. openai要替换自己的api-key
2. 模型参数根据实际情况调整

** 4.2、历史上下文对话传递**

** # 方式一**

** **使用 UserMessage 和 AssistantMessage 指定上下文

** # 方式二**

** **使用 ChatMessage 指定上下文

** 4.3、 调整模型参数**

** # 方式一**

在配置文件中指定

** # 方式二**

** **在代码中指定

五、测试

在代码中指定的上下文：
对话次数用户AI第一轮

你好

你好！很高兴能为你提供帮助。有什么问题可以问我吗？

第二轮

我家在广州，你呢？

我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？

第三轮我家有什么特产
浏览器返回的结果：

idea返回的结果：

结论：

AI能识别出我家在广州，并给出广州的特产

六、附带说明

6.1、更多的模型参数配置

OpenAI Chat :: Spring AI Reference

​

6.2、完整代码

import cn.hutool.core.collection.CollUtil;
import cn.hutool.core.map.MapUtil;
import jakarta.servlet.http.HttpServletResponse;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.ai.chat.Generation;
import org.springframework.ai.chat.messages.*;
import org.springframework.ai.chat.prompt.ChatOptions;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.SystemPromptTemplate;
import org.springframework.ai.openai.OpenAiChatClient;
import org.springframework.ai.openai.OpenAiChatOptions;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.servlet.mvc.method.annotation.SseEmitter;

import java.util.List;

@Slf4j
@RestController
@RequestMapping("/api")
public class OpenaiTestController {
    @Autowired
    private OpenAiChatClient openAiChatClient;

    @RequestMapping("/history")
    public SseEmitter history(HttpServletResponse response) {
        response.setContentType("text/event-stream");
        response.setCharacterEncoding("UTF-8");
        SseEmitter emitter = new SseEmitter();

        String systemPrompt = "{prompt}";
        SystemPromptTemplate systemPromptTemplate = new SystemPromptTemplate(systemPrompt);

        String userPrompt = "我家有什么特产？";
        Message userMessage = new UserMessage(userPrompt);

        Message systemMessage = systemPromptTemplate.createMessage(MapUtil.of("prompt", "you are a helpful AI assistant"));

        UserMessage userChatMessage1 = new UserMessage("你好");
        AssistantMessage assistantChatMessage1 = new AssistantMessage("你好！很高兴能为你提供帮助。有什么问题可以问我吗？");

        UserMessage userChatMessage2 = new UserMessage("我家在广州，你呢？");
        AssistantMessage assistantChatMessage2 = new AssistantMessage("我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？");

//        ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "你好");
//        ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "你好！很高兴能为你提供帮助。有什么问题可以问我吗？");
//
//        ChatMessage userChatMessage2 = new ChatMessage(MessageType.USER, "我家在广州，你呢？");
//        ChatMessage assistantChatMessage2 = new ChatMessage(MessageType.ASSISTANT, "我是一个人工智能助手，没有具体的居住地。不过我可以帮助你解答问题和提供信息。有什么我可以帮你的吗？");

        OpenAiChatOptions openAiChatOptions = OpenAiChatOptions.builder()
                .withModel("gpt-3.5-turbo")
                .withTemperature(0.7f)
                .withMaxTokens(4096)
                .withN(1)
                .withTopP(0.9f)
                .build();

        Prompt prompt = new Prompt(List.of(userChatMessage1, assistantChatMessage1, userChatMessage2, assistantChatMessage2, userMessage, systemMessage), openAiChatOptions);

        log.info(prompt.toString());

        openAiChatClient.stream(prompt).subscribe(x -> {
            try {
                log.info("response: {}", x);
                List<Generation> generations = x.getResults();
                if (CollUtil.isNotEmpty(generations)) {
                    for (Generation generation : generations) {
                        AssistantMessage assistantMessage = generation.getOutput();
                        String content = assistantMessage.getContent();
                        if (StringUtils.isNotEmpty(content)) {
                            emitter.send(content);
                        } else {
                            if (StringUtils.equals(content, "null"))
                                emitter.complete(); // Complete the SSE connection
                        }
                    }
                }

            } catch (Exception e) {
                emitter.complete();
                log.error("流式返回结果异常", e);
            }
        });

        return emitter;
    }

}