Spring AI提示词实战：显著提升开发效率的工程化方案

1、什么是提示词

英文单词：prompt，中文：提示词，就是用户（或开发者）给AI的指令或问题，用来引导AI生成回复。好的提示词能帮助AI更准确地理解用户的需求。

1.1、核心原则（PROMPT框架）

• P - 明确目标 (Purpose)
  • 明确你想要的结果类型（分析、创作、解释等）
• R - 提供角色 (Role)
  • 给AI分配一个专业角色
• O - 输出格式 (Output Format)
  • 指定想要的格式（JSON、表格、代码等）
• M - 详细描述 (Minutiae)
  • 包含细节、约束条件和上下文
• P - 参数要求 (Parameters)
  • 字数、语言、风格等具体要求
• T - 测试迭代 (Test & Iterate)
  • 不断优化提示词

1.2、实用技巧

1. 使用分隔符：用```、—、###等分隔不同部分
2. 温度参数：创造性任务用高temperature(0.8-1.0)，准确性任务用低temperature(0.2-0.5)
3. 分步骤：复杂任务分解成子任务
4. 限制长度：用"用一句话…"、"简要总结…"控制输出
5. 指定视角：“从技术专家角度…”、"以用户视角…"等

简而言之：写提示词时，尽量描述清楚需求（或说约束条件），AI给的回复才会符合预期结果。不符合要求，根据回复的结果进行调整提示词，再进行提问。建议使用markdown格式。

1.3、提示词类型

在Spring AI中用MessageType枚举类，来定义提示词类型

publicenumMessageType{USER("user"),// 用户发送的消息（显示）ASSISTANT("assistant"),// AI助手的回复消息SYSTEM("system"),// 系统指令或初始提示（隐式）TOOL("tool");// 工具调用相关的消息（用于Function Calling）.....}

区分消息（即提示词）类型的目的

• 角色管理：AI模型需要知道每条消息是谁产生的，
• 上下文维护：维护正确的对话轮次和顺序
• 系统指令：SYSTEM消息，通常用于设置AI的行为模式
• 工具集成：TOOL类型用于AI调用外部工具的交互

使用说明：

开发人员主要创建：USER、SYSTEM、TOOL消息；AI模型主要创建：ASSISTANT消息，只有在特定场景（如历史记录、测试）下，开发人员才需要手动创建ASSISTANT消息。

接下来，是代码实战部分，还是在ollama的项目基础上写demo。

2、Spring AI ChatClient + 模板化实现

提示词可以无参数模板，一段文本说明；也可以动态参数模板，还可以是模板文件热重载的方式。

无参数模板，即固定文本一般用于SYSTEM消息，作用是初始提示信息。

动态参数模板，比如不同登录用户，给出的不同问候语，或者不同角色使用不同提示词内容，可用于SYSTEM和USER消息，对于USER消息一般是要拼接上用户输入的消息，不然每次的提问都是相同内容了。

模板文件热重载，可以是无参数，也可以是带参数。使用模板文件的方式，主要是为了方便调整提示词内容。

由于设置提示词是使用ChatClient，因为如果不清楚的，请移步我的另一篇文章《Spring AI ChatClient：让你的AI应用轻松适配各大模型》。

以下示例代码，为方便查看返回消息，都是使用文本生成测试，返回值是Flux类型。提示词都是以markdown格式。

2.1、无参数模板

提示词示例：

# 角色设定 你是Spring Boot专家小助手 # 回答要求1.分步骤说明2.给出最小配置示例3.提示常见坑点4.提供验证方法 # 格式要求-使用emoji区分步骤-配置代码单独显示-关键配置项加粗

创建测试类：PromptController，写接口调用API进行测试，方便实时修改提示信息与接口交互测试，在接口加了一个msg参数接收用户输入的信息。

@RestController@RequestMapping(value="/ai/prompt")@Slf4jpublicclassPromptController{@AutowiredprivateOllamaChatModelollamaChatModel;/** * 测试系统提示词 * @param msg 用户提示信息 * @return */@RequestMapping(value="/system/flux",produces=MediaType.APPLICATION_JSON_VALUE+"; charset=UTF-8")publicFlux<String>systemPromptTest(@RequestParam(value="msg",defaultValue="你好")Stringmsg){ChatClientchatClient=ChatClient.builder(ollamaChatModel).defaultSystem(""+"# 角色设定\n"+"你是Spring Boot专家小助手\n"+"\n"+"# 回答要求\n"+"1. 分步骤说明\n"+"2. 给出最小配置示例\n"+"3. 提示常见坑点\n"+"4. 提供验证方法\n"+"\n"+"# 格式要求\n"+"- 使用emoji区分步骤\n"+"- 配置代码单独显示\n"+"- 关键配置项加粗").build();returnchatClient.prompt().user(msg).stream().content();}}

启动项目，访问接口，测试结果如下：

2.2、动态参数模板

为了更好测试模板效果，用ChatClient的user()来实现。

提示词示例还是无参数版本，再添加参数。

# 角色设定 你是Spring Boot专家小助手 # 回答要求1.分步骤说明2.给出最小配置示例3.提示常见坑点4.提供验证方法 # 格式要求-使用emoji区分步骤-配置代码单独显示-关键配置项加粗 # 上下文信息 回答用户的问题:{question}姓名：{name}

在测试类：PromptController，添加userPromptTest()，示例代码如下：

@RequestMapping(value="/user/flux",produces=MediaType.APPLICATION_JSON_VALUE+"; charset=UTF-8")publicFlux<String>userPromptTest(@RequestParam(value="msg",defaultValue="你好")Stringmsg){ChatClientchatClient=ChatClient.builder(ollamaChatModel).build();returnchatClient.prompt().user(u->u.text(""+"# 角色设定\n"+"你是Spring Boot专家小助手\n"+"\n"+"# 回答要求\n"+"1. 分步骤说明\n"+"2. 给出最小配置示例\n"+"3. 提示常见坑点\n"+"4. 提供验证方法\n"+"\n"+"# 格式要求\n"+"- 使用emoji区分步骤\n"+"- 配置代码单独显示\n"+"- 关键配置项加粗\n"+"\n"+"# 上下文信息\n"+"回答用户的问题: {question}\n"+"姓名：{name}").param("question",msg).param("name","大象")).stream().content();}

测试结果如下：

2.3、模板文件热重载

模板文件支持参数，条件，条件模板跟参数是类似的，只是语法需要注释而已。使用时，可以找一个模板做一下调整即可，跟写代码一样，比较好理解。

**热重载说明：**指的项目启动后，在目录target/classes下的文件。调试时需要特别注意一下，我在测试过程中，一时没注意直接修改resources目录的文件。

2.3.1. 目录结构

src/main/resources/prompts/├── spring-assistant.st// Spring Boot专家小助手带参数的提示词├── conditional-assistant.st// 条件示例的提示词

2.3.2、代码实现

步骤一：先实现模板文件热重载HotReloadTemplateService，提供模板加载、渲染模板，定时扫描更新等方法，如果无参数直接使用模板加载方法即可。

@Service@Slf4jpublicclassHotReloadTemplateService{privatefinalMap<String,TemplateCache>templateCache=newConcurrentHashMap<>();privatefinalMap<String,Long>fileLastModified=newConcurrentHashMap<>();/** * 带版本检查的模板加载 */publicStringloadWithVersionCheck(StringtemplateName){StringfilePath="prompts/"+templateName+".st";.....// 文章篇幅关系暂时不列出详细代码，详细代码获取方式详见文末}/** * 渲染模板 */publicStringrenderTemplate(StringtemplateName,Map<String,Object>params){StringtemplateContent=loadWithVersionCheck(templateName);PromptTemplatetemplate=newPromptTemplate(templateContent);returntemplate.render(params);}/** * 定时扫描更新 */@Scheduled(fixedDelay=60000)// 每60秒检查一次publicvoidscanForUpdates(){log.info("开始扫描模板更新...");.....// 文章篇幅关系暂时不列出详细代码，详细代码获取方式详见文末}@Data@AllArgsConstructorprivatestaticclassTemplateCache{privateStringcontent;privatelonglastModified;}privateStringgetDefaultTemplate(){return"你是一个有帮助的AI助手。";}}

步骤二：由于有定时扫描更新功能，使用的是spring框架自带的定时功能。因此，需要在启动类上方要添加声明@EnableScheduling，才会生效。如下图：

步骤三：写调用方测试代码。

@RequestMapping(value="/template/flux",produces=MediaType.APPLICATION_JSON_VALUE+"; charset=UTF-8")publicFlux<String>templatePromptTest(@RequestParam(value="msg",defaultValue="你好")Stringmsg){ChatClientchatClient=ChatClient.builder(ollamaChatModel).build();// 构造参数Map<String,Object>userParams=newHashMap<>();userParams.put("name","大象");userParams.put("question",msg);// 获取模板文件内容，并替换动态参数StringuserPromptText=hotReloadTemplateService.renderTemplate("spring-assistant",userParams);returnchatClient.prompt().user(userPromptText).stream().content();}

代码调试跟踪的模板内容，符合预期，如下图：

测试结果如下：

至此，Spring AI ChatClient + 模板化实现的内容就结束啦！感兴趣的同学赶快动手起来吧。

3、我的公众号&资料获取

敬请关注我的公众号：大象只为你，持续更新技术知识…

如需Spring AI与Ollama实现 Demo，代码有更新，请后台回复：【ollama】。