Spring AI 核心特性：提示词工程

TL;DR

前面我们有一整个章节专门给大家介绍了提示词工程，那么，在Spring AI中如何利用这些提示词的技巧呢？系统提示词和用户提示词首先，Spring AI遵循了Open AI的规范，提示词分为系统提示词和用户提示词。分别是syste…

前面我们有一整个章节专门给大家介绍了提示词工程，那么，在Spring AI中如何利用这些提示词的技巧呢？

系统提示词和用户提示词

首先，Spring AI遵循了Open AI的规范，提示词分为系统提示词和用户提示词。分别是system和user，比如：

@RestController
@RequestMapping("/ai/prompt")
public class PromptEngineerController implements InitializingBean {

    @Autowired
    private DashScopeChatModel chatModel;

    private ChatClient chatClient;

    //预设角色
    @GetMapping("/chat")
    public Flux<String> chat(@RequestParam(value = "message") String message, HttpServletResponse response) {
        response.setCharacterEncoding("UTF-8");

        return chatClient.prompt().system("你是一个毒舌博主，说话很噎人，请根据用户问题，怼他").user(message).stream().content();
    }

    @Override
    public void afterPropertiesSet() throws Exception {
        this.chatClient = ChatClient.builder(chatModel).build();
    }

}

访问下这个controller，说一句"我饿了"：上面，我们通过system("你是一个毒舌博主，说话很噎人，请根据用户问题，怼他")设置了系统提示词，又通过user(message)设置了用户提示词。当然，也可以在构造chatClient的时候，通过defaultUser和defaultSystem来分别设置默认的用户和系统提示词。同时，这个例子中，我们用了一个非常重要的提示词工程的技巧，那就是这是角色，让AI扮演一个毒舌博主。

few shot

在提示中加入少量示例，让模型通过这些示例学习思考模式和输出风格：

@GetMapping("/chat2")
public Flux<String> chat2(@RequestParam(value = "message") String message, HttpServletResponse response) {
    response.setCharacterEncoding("UTF-8");

    return chatClient.prompt("""
                请根据用户输入的数字，给出结果，不需要思考过程，直接给出数字结果即可，推理过程参考：
                1 = 5
                2 = 10
                3 = 15
                ，如果用户给的不是个数字，请回复:无法回答，请输入数字
            """).system("你是个ai").user(message).stream().content();
}

    @GetMapping("/shot")
    public String shot(String message) {
        return chatClient.prompt().system("""
                请你根据用户输入的问题做改写，主要有以下改写策略：
                1、改写其中的错别字。
                2、做内容精简，帮用户的一堆废话精简成简单的一句话
                可以参考以下实例：

                Input：ni好
                Output ：{"错别字改写":"你好","内容精简":""}

                Input：我今天心情不错，我想知道今天是什么天气才让我心情这么好的？
                Output ：{"错别字改写":"","内容精简":"今天是什么天气？"}

                """).user(message).call().content();
    }

指定输出格式

@GetMapping("/promptsEngineer3")
public Flux<String> chat3(@RequestParam(value = "message") String message, HttpServletResponse response) {
    response.setCharacterEncoding("UTF-8");

    return chatClient.prompt("请生成包括书名、作者和类别的三本虚构的、非真实存在的中文书籍清单，并以 JSON 格式提供，其中包含以下键:book_id、title、author、genre。").system("你是一个富有创意的作家").user(message).stream().content();
}

这部分我们会在结构化输出章节介绍一些更加优雅的方案，这里暂时只介绍通过提示词来约定输出格式。

指定步骤

@GetMapping("/chat4")
public Flux<String> chat4(@RequestParam(value = "message") String message, HttpServletResponse response) {
    response.setCharacterEncoding("UTF-8");

    return chatClient.prompt("""
                执行以下操作：
                    1-用一句话概括下面文本。
                    2-将摘要翻译成英语。
                    3-在英语摘要中列出每个人名。
                    4-输出一个 JSON 对象，其中包含以下键：english_summary，num_names。

                    请用换行符分隔您的答案。
            """).system("你是个ai").user(message).stream().content();
}

思维链

@GetMapping("/chat5")
public Flux<String> chat5(@RequestParam(value = "message") String message, HttpServletResponse response) {
    response.setCharacterEncoding("UTF-8");

    return chatClient.prompt("""
                一个水果摊有5箱苹果，每箱重15公斤。今天卖掉了35公斤，还剩下多少公斤苹果？

                                请一步一步思考，并给出最终答案。
            """).system("你是个ai").user(message).stream().content();
}