Spring AI提示詞的四種使用方法分享

更新時間：2025年06月24日 09:42:36 作者：Java中文社群

提示詞是輸入給大模型（LLM）的文本指令,用于明確地告訴大模型你想要解決的問題或完成的任務,也是大語言模型理解用戶需求并生成準確答案的基礎,那問題來了,在Spring AI如何用好提示詞？以及提示詞的使用方式有哪些呢？接下來本文一起來盤點一下

提示詞（Prompt）是輸入給大模型（LLM）的文本指令，用于明確地告訴大模型你想要解決的問題或完成的任務，也是大語言模型理解用戶需求并生成準確答案的基礎。因此 prompt 使用的好壞，直接決定了大模型生成結果的質量（是否符合預期）。

那問題來了，在 Spring AI/Spring AI Alibaba 如何用好提示詞？以及提示詞的使用方式有哪些呢？接下來本文一起來盤點一下。

1.簡單提示詞使用

最簡單的設置固定系統(tǒng)提示詞和用戶提示詞的用法如下：

@RequestMapping("/chat")
public String chat(String msg) {
    String result = chatClient.prompt()
            .system("你是一個問答助手") // 設置系統(tǒng)提示詞
            .user(msg)                 // 設置用戶提示詞
            .call().content();
    System.out.println("結果：" + result);
    return result;
}

2.動態(tài)提示詞

所謂的動態(tài)提示詞指的是需要進行動態(tài)參數(shù)替換的提示詞，它的基本使用如下：

@RequestMapping("/chat")
public String chat(String topic) {
    PromptTemplate promptTemplate =
            new PromptTemplate("你是一個{role}，講一個關于{topic}的故事");
    Prompt prompt = promptTemplate.create(Map.of("role", "講故事的助手",
            "topic", topic));
    return chatModel.call(prompt).getResult().getOutput().getText();
}

3.從文件中讀取動態(tài)提示詞

動態(tài)提示詞如果比較短，我們可以像上面一樣寫到代碼里面，如果比較長，我們可以把它單獨放的某個文件模版中進行讀取使用，具體實現(xiàn)如下：

// 從文件中讀取提示詞
@Value("classpath:type-system-prompt-txt")
private Resource systemPrompt;

@RequestMapping("/chat")
public String chat(String msg) {
    return chatClient.prompt()
            .system(systemPrompt) 
            .user(msg)
            .call()
            .content();
    }
}

4.Lambda表達式提示詞

當提示詞比較短的時候，除了可以使用 PromptTemplate 設置提示詞之外，我們還可以使用 Lambda 表達式來實現(xiàn)動態(tài)提示詞的設置，具體使用如下：

@RequestMapping("/chat")
public User chat(String name) {
    return chatClient.prompt()
            .user(msg -> msg.text("我叫{name}，今年18歲，愛好打羽毛球。")
                    .param("name", name))
            .call()
            .entity(User.class); // 結果化輸出
}