亦暖筑序-CSDN博客

原创 Spring AI Tool Calling源码解析：@Tool注解、ToolCallback接口与ChatModel工具调用机制完整指南

本文深入分析Spring AI中Tool Calling（工具调用）机制的完整实现原理，包括ToolCallback接口设计、@Tool注解自动适配、FunctionCallbackWrapper适配器源码、ChatModel中的多轮交互处理流程、多工具并发执行策略及错误处理机制，并提供大量可运行的代码示例和最佳实践建议。

2026-04-10 14:30:00 180

原创 Spring AI Advisor 详解：自定义拦截器、执行顺序与实战代码（2026最新版）

记录日志：记录每次 AI 请求和响应的内容限流控制：防止 API 调用过于频繁导致费用超支内容安全：过滤敏感词或不当内容记忆管理：将历史对话注入当前请求（多轮对话）缓存处理：相同问题直接返回缓存结果Spring AI 提供了Advisor机制来实现这些功能。Advisor 本质上是一个拦截器（Interceptor），采用经典的责任链模式（Chain of Responsibility）设计。你可能熟悉的技术类似概念核心方法过滤器拦截器Spring AOP切面@Around通知。

2026-04-09 20:00:00 513

原创多轮对话的记忆心脏：ChatMemory 滑动窗口原理

Spring AI ChatMemory 源码解析 ChatMemory 是 Spring AI 中管理多轮对话上下文的接口，核心功能包括：通过滑动窗口机制（MessageWindowChatMemory）维护固定数量的历史消息支持 Token 计数与截断（TokenTextSplitter）避免超出模型上下文限制使用 ConversationId 实现不同会话的隔离存储实现特点：默认窗口大小为100条消息采用线程安全的ConcurrentHashMap存储会话数据提供消息添加、检索、清空等基

2026-04-08 11:35:42 267

原创 Message 四分天下：Spring AI 如何统一消息格式

Spring AI 的消息体系设计解析核心组件： Message接口体系定义UserMessage、SystemMessage等四种消息类型每种消息对应不同角色（用户/系统/助手/工具） Prompt数据模型封装消息列表和对话选项支持多种构建方式（单消息/列表/Builder模式） PromptTemplate模板引擎支持动态内容生成通过占位符实现变量替换设计特点：统一消息处理接口清晰的角色区分灵活的构建方式支持模板化内容生成（全文共148字）

2026-04-07 13:22:09 314

原创 prompt().user().call().content() 背后的完整链路

本文深入分析了Spring AI框架中ChatClient的调用链路，重点介绍了其体系结构、PromptBuilder接口设计以及DefaultChatClient实现。ChatClient通过链式Builder API提供了比ChatModel更友好的编程体验，支持Advisor拦截器链、Prompt模板处理等功能。文章详细解读了ChatClient接口定义、ResponseEntity包装设计理念，以及DefaultChatClient的类结构和Builder模式实现。核心内容包括ChatClient如

2026-04-06 11:19:24 354

原创 Spring AI 源码解读：一次对话请求的完整生命线

本文分析了Spring AI的整体架构设计，主要包含以下要点：模块化结构：分为核心抽象层、客户端层、模型实现层和存储实现层，核心模块只定义接口，具体实现通过依赖注入完成。核心接口体系：顶层Model接口定义泛型调用契约扩展出ChatModel、EmbeddingModel和ImageModel三大模型接口 StreamingChatModel作为独立子接口实现流式输出数据模型设计： Prompt封装消息列表和可选参数 Message接口体系区分四种消息类型(用户/助手/系统/工具) 采用极简设计思

2026-04-05 12:03:04 362

原创 Spring AI RAG 进阶：混合检索实战

本文介绍了企业级RAG(检索增强生成)管线的进阶实现方案。文章首先分析了入门篇RAG在真实企业场景中的局限性，包括文档格式单一、分块策略简单、检索方式不足等问题。随后详细阐述了企业级RAG管线的完整架构，包含离线文档摄入管线和在线查询管线两大部分，核心组件涉及多格式文档读取、智能分块、向量存储、关键词索引和混合检索等关键技术。重点讲解了多格式ETL处理流程，展示了Spring AI内置的DocumentReader实现方案，包括PDF、Markdown和文本文件的读取方法，以及元数据注入等增强功能。该方案显

2026-04-03 17:00:00 573

原创手把手用 Spring AI 做一个智能客服：意图识别 + 工具调用 + 人工无缝切换

本文介绍了基于Spring AI构建智能客服系统的实践方案，重点解决多轮对话、工具调用和人工兜底等核心挑战。系统采用本地模型（Ollama+qwen2.5:7b）实现零成本、离线运行的智能客服，包含意图识别路由、多场景ChatClient、会话状态管理等核心组件。架构设计上通过IntentRouter进行意图分类，结合不同场景的System Prompt和Tools处理具体业务，并引入满意度评分机制实现人工接管。文章详细说明了开发环境配置、业务场景分析、系统架构设计以及意图识别的具体实现方法，为构建企业级智

2026-04-02 14:47:45 567

原创《Spring AI 实战系列入门篇》第 6 篇

通义千问是阿里云自研的大语言模型，中文能力强，开源可商用。特点说明🌟开源Qwen 系列开源可商用📝中文强中文理解与生成优秀🔢多版本Qwen2, Qwen2.5, Qwen-VL (多模态)💰价格有免费额度，按量计费智谱 GLM（ChatGLM）是智谱AI开发的开源大模型，国产开源标杆。特点说明🌟开源GLM-4 开源可商用📝中文优针对中文优化🔧微调支持 LoRA 微调💰价格有免费额度文心一言（ERNIE Bot）是百度自研的大模型，企业级应用友好。特点说明🏢企业级企业用户友好📝。

2026-04-01 14:35:34 355

原创《Spring AI 实战系列入门篇》第 5 篇

本文介绍了Spring AI中的Advisors（自定义AI中间件）概念，包括其工作原理、核心接口和执行顺序规则。Advisors类似于Web开发中的Filter，可在AI请求处理前后执行特定功能，如日志记录、安全检查、对话记忆等。文章详细讲解了Advisors的执行流程（请求→Advisor链→LLM→响应处理），并列举了内置Advisors（如RAG检索增强、日志记录等）及其使用方法。通过类比Web中间件，帮助开发者理解如何在Spring AI中实现自定义处理逻辑。

2026-03-31 14:17:36 343

原创《Spring AI 实战系列入门篇》第 4 篇

本文介绍了Spring AI中结构化输出的实现方式，重点讲解了如何将AI返回结果自动映射为Java对象。主要内容包括：结构化输出的必要性：AI默认返回字符串，手动解析JSON繁琐且易出错两种解决方案： BeanOutputConverter：通用转换方案，通过JSON Schema实现自动映射 Native Structured Output：利用AI模型原生支持直接输出JSON 核心用法：定义POJO类使用.entity()方法直接获取对象处理泛型集合(List/Map) 启用原生结构化输出优化

2026-03-30 08:57:21 319

原创《Spring AI 实战系列入门篇》第 3 篇

本文介绍了使用Spring AI构建基于RAG(检索增强生成)的私有知识库系统。主要内容包括：RAG解决大模型知识局限性的优势，其工作原理分为数据准备和查询回答两个阶段，关键环节如文档处理、向量转换和存储。文章对比了Spring AI支持的多种向量数据库特点及适用场景，并给出选型建议：小数据量用PGVector，云服务选Pinecone，高性能需求考虑Redis/Qdrant。最后将通过实战演示如何构建文档问答系统，实现企业私有数据的高效检索与智能回答。

2026-03-28 13:08:54 350

原创《Spring AI 实战系列入门篇》第 2 篇

Spring AI实战：Tool Calling扩展AI能力本文是Spring AI实战系列第2篇，介绍如何使用Tool Calling功能让AI调用外部函数。文章首先分析AI模型的局限性（如知识陈旧、无法访问实时信息），提出Tool Calling解决方案。详细讲解其工作原理和执行流程，包括注册工具、用户提问、模型决策等步骤。重点介绍Spring AI中的核心组件和两种工具定义方式：声明式（使用@Tool注解）和编程式。通过天气查询等实际案例，展示如何扩展AI能力边界。最后提供常见问题解答和最佳实践建议

2026-03-27 11:38:25 408

qq_39805994的博客