Spring AI中的Prompt工程实践与优化技巧

1. 项目概述

作为一名长期深耕Java生态的技术开发者，我在实际项目中深刻体会到Prompt工程对于大模型应用的重要性。Spring AI作为Spring生态中对接大模型的桥梁，其Prompt体系设计直接影响着最终的应用效果。本文将基于实战经验，系统梳理Spring AI中Prompt工程的核心要点与最佳实践。

在开发基于大模型的Java应用时，我们常常会遇到这样的困境：同样的模型，不同开发者调用得到的结果质量差异巨大。这背后往往不是代码能力的差距，而是对Prompt工程的理解深度不同。Spring AI通过一套清晰的API设计，让我们能够以符合Java开发者习惯的方式构建高质量的Prompt。

2. 核心概念解析

2.1 Prompt的本质与价值

Prompt本质上是我们与大模型沟通的"语言"。就像人与人交流需要清晰表达需求一样，好的Prompt能让大模型准确理解我们的意图。在Spring AI中，Prompt是一个容器，封装了多条Message对象，这些Message共同构成了大模型的输入上下文。

从技术实现角度看，Spring AI的Prompt体系包含几个关键层级：

• 最底层是Message接口及其实现类，代表单条消息
• 中间层是Prompt容器，组织多条Message
• 上层是各种Template，提供动态生成Prompt的能力

2.2 Spring AI中的Message类型

Spring AI定义了多种Message类型，每种都有特定的使用场景：

在实际开发中，SystemMessage和UserMessage是最常用的两种类型。SystemMessage必须放在Prompt的最前面，因为它定义了模型的行为准则，直接影响后续消息的处理方式。

3. 基础Prompt构造实战

3.1 手动组装Message

最基础的Prompt构造方式是手动创建各个Message对象。这种方式虽然代码量较多，但能让我们清晰理解Prompt的内部结构：

java复制@RestController
public class BasicPromptController {
    
    @Resource(name = "deepseek")
    private ChatModel chatModel;
    
    @GetMapping("/story")
    public String generateStory(String topic) {
        // 创建系统消息 - 定义AI角色
        SystemMessage systemMsg = new SystemMessage(
            "你是一个讲故事的高手，每个故事控制在300字以内");
            
        // 创建用户消息 - 具体请求
        UserMessage userMsg = new UserMessage(
            "讲一个关于" + topic + "的科幻故事");
            
        // 组装Prompt - 注意顺序
        Prompt prompt = new Prompt(List.of(systemMsg, userMsg));
        
        // 调用模型
        return chatModel.call(prompt).getResult().getOutput().getText();
    }
}

这里有几个关键点需要注意：

1. SystemMessage和UserMessage的顺序不能颠倒
2. 使用List.of()明确指定消息顺序更可靠
3. 每个Message的文本内容需要精心设计

3.2 使用ChatClient简化调用

Spring AI提供了更高级的ChatClient API，可以大幅简化Prompt构造过程：

java复制@GetMapping("/story-simple")
public Flux<String> generateStorySimple(String topic) {
    return chatClient.prompt()
        .system("你是一个讲故事的高手，每个故事控制在300字以内")
        .user("讲一个关于" + topic + "的科幻故事")
        .stream()
        .content();
}

ChatClient的链式调用不仅代码更简洁，而且内部会自动处理Message的顺序问题。对于大多数简单场景，这是推荐的使用方式。

4. 动态模板实战

4.1 PromptTemplate基础使用

当Prompt需要动态内容时，字符串拼接的方式既不优雅也不安全。Spring AI提供了PromptTemplate来解决这个问题：

java复制@GetMapping("/dynamic-story")
public String dynamicStory(String genre, String length) {
    // 定义模板
    PromptTemplate template = new PromptTemplate(
        "讲一个{genre}类型的故事，字数控制在{length}字左右");
    
    // 填充参数
    Prompt prompt = template.create(Map.of(
        "genre", genre,
        "length", length
    ));
    
    return chatModel.call(prompt).getResult().getOutput().getText();
}

这种方式有三大优势：

1. 模板与代码分离，更易维护
2. 自动处理参数转义，避免注入风险
3. 支持参数验证，确保必填参数都存在

4.2 外部模板文件

对于复杂的Prompt，建议将模板内容放在外部文件中：

1. 在resources目录下创建模板文件，如templates/story.txt：

code复制讲一个关于{topic}的{genre}故事。
要求：
- 字数在{length}字左右
- 使用{style}风格
- 包含{character}这个角色

2. 代码中加载模板：

java复制@Value("classpath:/templates/story.txt")
private Resource storyTemplate;

@GetMapping("/external-template")
public String externalTemplate(Map<String, Object> params) {
    PromptTemplate template = new PromptTemplate(storyTemplate);
    Prompt prompt = template.create(params);
    return chatModel.call(prompt).getResult().getOutput().getText();
}

这种方式实现了Prompt与代码的完全解耦，非技术人员也可以修改模板内容而无需重新部署代码。

5. 系统提示词工程

5.1 高质量系统提示词设计

SystemMessage的质量直接决定了大模型的表现。一个好的系统提示词应包含以下要素：

1. 角色定义：明确AI的身份和专业领域
2. 能力边界：清楚界定回答范围
3. 输出要求：格式、长度、风格等约束
4. 安全限制：防止滥用和越界行为

示例：专业技术助手的系统提示词

java复制String systemPrompt = """
你是一个资深的Java开发专家，专注于Spring生态系统。
你的职责包括：
1. 回答Java和Spring相关的技术问题
2. 提供可运行的代码示例
3. 拒绝回答非技术问题

回答要求：
- 专业准确，有技术深度
- 代码示例使用Markdown格式
- 对复杂概念提供类比解释
- 字数控制在500字以内

安全限制：
- 不执行任何系统命令
- 不泄露任何敏感信息
- 不讨论政治、宗教等敏感话题
""";

5.2 系统提示词模板化

对于需要动态内容的系统提示词，可以使用SystemPromptTemplate：

java复制SystemPromptTemplate sysTemplate = new SystemPromptTemplate("""
你是{domain}领域的专家，专注于{specialty}方向。
你的回答必须：
1. 使用{format}格式
2. 包含至少{exampleCount}个示例
3. 拒绝回答与{domain}无关的问题
""");

Message sysMessage = sysTemplate.createMessage(Map.of(
    "domain", "Java后端开发",
    "specialty", "高并发系统设计",
    "format", "Markdown",
    "exampleCount", "2"
));

这种方式特别适合需要根据不同场景动态调整AI角色的应用。

6. 生产环境最佳实践

6.1 提示词管理策略

在企业级应用中，建议采用以下策略管理Prompt：

1. 版本控制：将Prompt模板纳入代码仓库，记录每次修改
2. A/B测试：对重要Prompt进行多版本对比测试
3. 性能监控：记录每个Prompt的响应时间、token消耗等指标
4. 内容审核：对用户生成的内容进行安全过滤

6.2 常见问题排查

在实际开发中，我们遇到过这些典型问题：

1. Prompt不生效

   • 检查SystemMessage是否在最前面
   • 确认没有消息顺序错误
   • 验证模板参数是否正确填充

2. 中文乱码问题

   • 确保模板文件使用UTF-8编码
   • 检查Maven资源过滤配置
   • 验证HTTP请求的Content-Type

3. 参数未替换

   • 检查占位符拼写是否一致
   • 确认参数Map中包含所有必需key
   • 验证是否有特殊字符需要转义

4. 流式输出中断

   • 检查Prompt长度是否超过模型限制
   • 考虑分块处理长Prompt
   • 选择合适的模型规格

7. 高级技巧与优化

7.1 多轮对话实现

要实现连贯的多轮对话，需要维护对话历史：

java复制List<Message> history = new ArrayList<>();

// 添加系统消息
history.add(new SystemMessage("你是一个专业的编程助手"));

// 第一轮
history.add(new UserMessage("如何实现单例模式？"));
ChatResponse response1 = chatModel.call(new Prompt(history));
history.add(response1.getResult().getOutput());

// 第二轮 
history.add(new UserMessage("请用Kotlin实现"));
ChatResponse response2 = chatModel.call(new Prompt(history));

关键点：

1. 保持SystemMessage在最前面
2. 按顺序保存所有对话消息
3. 注意控制对话历史长度，避免超过token限制

7.2 Prompt性能优化

对于高频调用的Prompt，可以考虑以下优化手段：

1. 模板预编译：提前创建好PromptTemplate实例
2. 缓存常用Prompt：对固定Prompt进行缓存
3. 长度优化：精简不必要的文本内容
4. 批量处理：合并相似请求减少调用次数

java复制// 预编译常用模板
private final PromptTemplate storyTemplate = new PromptTemplate(
    "讲一个关于{topic}的{genre}故事，{length}字左右");

@GetMapping("/optimized-story")
public String optimizedStory(String topic) {
    // 使用预编译模板
    Prompt prompt = storyTemplate.create(Map.of(
        "topic", topic,
        "genre", "科幻",
        "length", "300"
    ));
    
    return chatModel.call(prompt).getResult().getOutput().getText();
}

8. 安全注意事项

在Prompt工程实践中，安全问题不容忽视：

1. Prompt注入防护

   • 对用户输入进行严格过滤
   • 在SystemMessage中明确安全限制
   • 避免直接将用户输入拼接为Prompt

2. 敏感信息保护

   • 不在Prompt中包含机密数据
   • 对输出内容进行安全审查
   • 实现合适的访问控制

3. 内容审核

   • 对模型输出进行合规检查
   • 建立关键词过滤机制
   • 记录完整交互日志

一个安全的系统提示词示例：

code复制你是一个技术支持助手，必须遵守以下规则：
1. 不透露任何内部系统信息
2. 不执行任何代码或命令
3. 不讨论政治、宗教等敏感话题
4. 遇到可疑请求时回复："抱歉，我无法协助这个请求"

在实际项目中，Prompt工程既是一门科学也是一门艺术。需要不断测试和迭代，才能找到最适合特定场景的Prompt设计。通过Spring AI提供的这套API，我们能够以符合Java工程实践的方式，构建出高效、可靠的大模型交互方案。