Spring AI项目中Observability功能失效问题分析与解决方案

在Spring AI项目开发过程中，Observability功能是开发者进行系统监控和调试的重要工具。本文将深入分析Observability功能失效的原因，并提供完整的解决方案。

问题现象

开发者在使用Spring AI M8版本时，配置了以下参数期望开启Observability功能：

logging.level.org.springframework.ai.observability=DEBUG
spring.ai.chat.observations.log-completion=true

虽然项目启动时显示了警告信息，表明Observability功能已部分启用，但在实际调用Chat API后，控制台并未输出预期的返回信息。

根本原因分析

经过深入排查，发现问题根源在于以下两个方面：

1. 日志级别配置错误
   正确的配置应该是logging.level.org.springframework.ai.chat.observability，而非logging.level.org.springframework.ai.observability。这个细微的差别导致日志系统无法正确捕获和输出观测数据。

2. 手动构建方式缺陷
   当开发者使用OpenAiChatModel.builder()手动构建ChatModel实例时，没有正确注入ObservationRegistry实例。而Spring AI的Observability功能依赖于这个关键组件来收集和报告观测数据。

解决方案

方案一：修正日志配置

首先修正日志配置参数：

logging.level.org.springframework.ai.chat.observability=DEBUG
spring.ai.chat.observations.log-completion=true

方案二：推荐使用自动配置方式

Spring AI提供了自动配置机制，能够正确处理Observability的注入：

@Autowired
private OpenAiChatModel chatModel;

public String getAnswer() {
    return chatModel.call("1+1=2?");
}

方案三：高级定制方案

如需定制OpenAI API参数，推荐使用mutate方法：

@Autowired
private OpenAiChatModel defaultChatModel;

public String getCustomAnswer() {
    OpenAiChatModel customModel = defaultChatModel.mutate()
        .withDefaultOptions(OpenAiChatOptions.builder()
            .withModel("deepseek-chat")
            .build())
        .build();
    
    return customModel.call("1+1=2?");
}

最佳实践建议

1. 关于DeepSeek模型
   对于DeepSeek这类与OpenAI API兼容但不完全一致的模型，Spring AI已提供专门支持，建议使用专用实现而非通用OpenAI适配。

2. 安全注意事项
   开启log-completion功能会记录完整的交互内容，可能包含敏感信息。生产环境中应谨慎使用，建议：

   • 仅在开发调试阶段开启
   • 配合日志脱敏机制使用
   • 设置适当的日志访问权限

3. 性能考量
   Observability功能会带来一定的性能开销，在性能敏感场景下应做好评估和测试。

总结

Spring AI的Observability功能为开发者提供了强大的监控和调试能力。通过正确配置日志级别、采用自动注入方式构建组件，以及遵循最佳实践，开发者可以充分发挥这一功能的优势，同时避免潜在的安全和性能问题。对于特殊场景的需求，Spring AI也提供了灵活的定制方案，确保各种使用场景都能得到良好支持。