Spring AI 1.0.0-M8 版本中聊天客户端输入内容观测机制的改进

在分布式系统监控领域，观测性（Observability）是确保系统可维护性的重要支柱。Spring AI 项目作为AI应用开发框架，在1.0.0-M6版本中引入的聊天客户端观测功能存在一个值得注意的设计缺陷，该问题已在即将发布的M8版本中得到优化。

问题背景

在M6版本中，当开发者启用spring.ai.chat.client.observations.include-input=true配置时，系统会通过ChatClientInputContentObservationFilter过滤器捕获聊天请求中的系统文本和用户文本。然而这个实现存在两个关键限制：

1. 仅能捕获通过systemText()和userText()方法设置的文本内容
2. 使用更符合OpenAI消息结构的messages()方法时，文本内容无法被正确观测

这种不一致性违反了最小意外原则（Principle of Least Astonishment），给开发者带来了不必要的认知负担。

技术实现分析

原实现的核心问题在于观测过滤器直接访问了请求对象中的离散字段：

context.getRequest().getSystemText()
context.getRequest().getUserText()

而现代AI聊天应用通常采用消息列表(message list)的交互模式，这种设计能够更好地支持：

• 多轮对话上下文
• 混合角色消息（系统/用户/助手）
• 复杂的对话流程控制

M8版本的改进方案

新版本进行了以下重要改进：

1. 统一观测属性：废弃原先分散的spring.ai.chat.client.user.text等属性，引入统一的gen_ai.prompt属性
2. 完整消息捕获：无论使用messages()还是离散设置方法，都能完整记录所有消息内容
3. 配置简化：用spring.ai.chat.observations.include-prompt替代原先的include-input参数

对开发者的影响

这一改进带来了多重好处：

1. 行为一致性：不同API调用方式产生相同的观测结果
2. 上下文完整性：多轮对话的完整上下文可被追踪
3. 简化排错：运维人员可以查看完整的prompt历史

最佳实践建议

升级到M8版本后，开发者可以：

1. 安全地从离散设置方法迁移到更结构化的messages()API
2. 在观测配置中使用新的include-prompt参数
3. 在日志分析工具中适配新的gen_ai.prompt属性

这一改进体现了Spring AI项目对开发者体验的持续优化，也反映了AI应用开发模式向结构化、上下文感知方向的演进趋势。