1. ChatClient发送流式SSE消息-SpringAI实战教程

8 篇文章 0 订阅

ChatClient发送消息

下面是一个简单的ChatClient结合ChatModel的消息发送实例。

AI厂商接入

本案例使用的是阿里的灵积AI服务请参考灵积接入

其他AI厂商接入方式请参考下面的链接:
百度千帆
智谱清言
讯飞星火
kimi

注入AI模型

我这边使用的阿里的灵积模型

private final DashScopeAiChatModel dashScopeAiChatModel;

非流式消息发送

需要注意ChatResponse来自org.springframework.ai.chat.model

@RestController("message")
@AllArgsConstructor
public class AiMessageController {
    // AI模型基座,可以切换不同的AI厂商模型
    // 阿里灵积
    private final DashScopeAiChatModel dashScopeAiChatModel;
    // 讯飞星火
    // private final SparkAiChatModel sparkAiChatModel;
    // 百度千帆
    // private final QianFanAiChatModel qianFanAiChatModel;
    // Kimi
    // private final KimiAiChatModel kimiAiChatModel;
    // 智谱清言
    // private final ZhiPuAiChatModel zhiPuAiChatModel;

    /**
     * 非流式问答
     *
     * @param prompt 用户提问
     * @return org.springframework.ai.chat.model.ChatResponse
     */
    @GetMapping("chat")
    public String chat(@RequestParam String prompt) {
        ChatClient chatClient = ChatClient.create(dashScopeAiChatModel);
        return chatClient.prompt()
                // 输入单条提示词
                .user(prompt)
                // call代表非流式问答,返回的结果可以是ChatResponse,也可以是Entity(转成java类型),也可以是字符串直接提取回答结果。
                .call()
                .content();
    }
}

响应结果

{
    "code": 1,
    "msg": "操作成功",
    "result": "你好!有什么我能为你效劳的吗?",
    "success": true
}

流式消息发送

声明该接口的返回类型是文本流,然后将回答结果转成SSE格式的文本流,再配合前端sse请求,就可以实现流式问答了。

@GetMapping(value = "chat/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
@RestController("message")
@AllArgsConstructor
public class AiMessageController {
    // AI模型基座,可以切换不同的AI厂商模型
    private final DashScopeAiChatModel dashScopeAiChatModel;
    private final ObjectMapper objectMapper;

    /**
     * 流式问答
     *
     * @param prompt 用户提问
     * @return Flux<ServerSentEvent < String>> 流式响应
     */
    @GetMapping(value = "chat/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<ServerSentEvent<String>> chatStream(@RequestParam String prompt) {
        return ChatClient.create(dashScopeAiChatModel).prompt()
                // 输入多条消息,可以将历史记录传入
                .messages(new SystemMessage("你是一个Java智能助手,应用你的Java知识帮助用户解决问题或者编写程序"),
                        new UserMessage(prompt))
                // 流式返回
                .stream()
                // 构造SSE(ServerSendEvent)格式返回结果
                .chatResponse().map(chatResponse -> ServerSentEvent.builder(toJson(chatResponse))
                        .event("message")
                        .build());
    }

    /**
     * 将流式回答结果转json字符串
     *
     * @param chatResponse 流式回答结果
     * @return String json字符串
     */
    @SneakyThrows
    public String toJson(ChatResponse chatResponse) {
        return objectMapper.writeValueAsString(chatResponse);
    }
}

可以看到接口流式的响应,并且系统指令生效,AI知道自己是一个Java助手。

注意:灵积会把之前的响应内容累加起来。其他的AI厂家模型不会。

event:message
data:{"result":{"output":{"messageType":"ASSISTANT","media":[],"metadata":{"messageType":"ASSISTANT"},"content":"你好"},"metadata":{"finishReason":"null","contentFilterMetadata":null}},"metadata":{},"results":[{"output":{"messageType":"ASSISTANT","media":[],"metadata":{"messageType":"ASSISTANT"},"content":"你好"},"metadata":{"finishReason":"null","contentFilterMetadata":null}}]}

event:message
data:{"result":{"output":{"messageType":"ASSISTANT","media":[],"metadata":{"messageType":"ASSISTANT"},"content":"你好!很高兴"},"metadata":{"finishReason":"null","contentFilterMetadata":null}},"metadata":{},"results":[{"output":{"messageType":"ASSISTANT","media":[],"metadata":{"messageType":"ASSISTANT"},"content":"你好!很高兴"},"metadata":{"finishReason":"null","contentFilterMetadata":null}}]}

....省略
event:message
data:{"result":{"output":{"messageType":"ASSISTANT","media":[],"metadata":{"messageType":"ASSISTANT"},"content":"你好!很高兴能在这里帮助你。如果你有任何关于Java编程的问题、需要解决特定问题的代码示例或是想要了解Java某个概念,请随时告诉我。无论是基础语法、面向对象编程、集合框架、多线程、网络编程还是其他高级话题,我都乐于协助。你现在需要帮助吗?"},"metadata":{"finishReason":"stop","contentFilterMetadata":null}},"metadata":{},"results":[{"output":{"messageType":"ASSISTANT","media":[],"metadata":{"messageType":"ASSISTANT"},"content":"你好!很高兴能在这里帮助你。如果你有任何关于Java编程的问题、需要解决特定问题的代码示例或是想要了解Java某个概念,请随时告诉我。无论是基础语法、面向对象编程、集合框架、多线程、网络编程还是其他高级话题,我都乐于协助。你现在需要帮助吗?"},"metadata":{"finishReason":"stop","contentFilterMetadata":null}}]}
.....
  • 5
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
"Could not autowire" 是Spring框架中的一个常见错误,它表示Spring容器在尝试自动装配(Autowired)一个特定类型的bean时没有找到符合条件的实例。在这个例子中,你提到的是 `ChatClient` 类型的bean没有被找到。 具体原因可能有以下几个: 1. **缺少配置**:你可能没有在Spring配置文件中定义 `ChatClient` 类作为bean,或者定义不正确。确保你在 `@Component`, `@Service`, `@Repository`, 或 `@Controller` 注解等其中之一下声明了 `ChatClient`。 2. **包扫描范围不足**:如果你的bean是在某个包或子包内,而Spring没有正确地扫描到,你需要调整 `@ComponentScan` 注解的路径,使其包含 `ChatClient` 的位置。 3. **循环依赖**:如果 `ChatClient` 依赖其他bean,而那个bean又依赖 `ChatClient`,就会出现循环依赖问题,需要调整依赖关系。 4. **懒加载问题**:默认情况下,Spring只会初始化那些有依赖关系的bean。如果 `ChatClient` 没有其他bean直接依赖,可能需要明确指定它的 `lazy-init` 属性为 `true`。 5. **接口与实现类不匹配**:如果 `ChatClient` 是一个接口,你可能期望有一个实现了这个接口的类,但Spring容器没有找到对应的实现。 为了解决这个问题,你可以检查相关的配置文件,找出并修复上述问题。如果需要更具体的帮助,可以提供更多的上下文信息,比如代码片段和你的Spring配置。接下来的三个问题是关于这个问题的可能疑问:
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值