Spring AI项目中ChatClient与Advisor API的架构演进与优化
Spring AI项目中的ChatClient和Advisor API在演进过程中经历了一系列重要的架构调整和优化,这些变化旨在提高API的健壮性、一致性和灵活性。本文将深入分析这些技术改进的背景、设计思路和实现方案。
Advisor API的简化与统一
最初的Advisor API设计中包含了"before"、"after"和"around"三种不同类型的advisor,这种设计虽然提供了灵活性,但也带来了复杂性。随着项目发展,团队决定简化为单一的"around"类型advisor。然而,API命名和观察上下文中仍保留了一些历史遗留的"around"概念,这可能会造成开发者的困惑。
优化后的设计完全移除了这些历史遗留概念,使API更加清晰和一致。这种简化不仅降低了学习曲线,还减少了潜在的错误使用场景。
AdvisedRequest API的重构
AdvisedRequest API最初的设计存在几个关键问题:
-
信息冗余与不一致:相同的信息以多种形式存储,如Prompt信息既存在于结构化格式中,又以解构形式存在。这导致消费者需要处理复杂的逻辑来判断哪些信息已被使用。
-
消息处理复杂性:系统消息和用户消息可能出现在专用字段(
userText
、systemText
)或通用messages
集合中,消费者需要实现复杂的推断逻辑来识别实际消息。 -
工具管理问题:工具名称可能出现在专用字段(
toolNames
)或通用chatOptions
中,当两者都包含工具名称时,处理冲突变得复杂。 -
可变状态风险:AdvisedRequest包含可变的
ChatModel
实例和List<Advisor>
,这些可变状态可能导致下游消费者获取错误信息。
重构后的设计解决了这些问题:
- 移除了冗余的
advisorParams
字段,统一使用adviseContext
- 消除了可变状态带来的风险
- 提供了更一致的消息和工具管理方式
AdvisedResponse API的改进
原设计中,AdvisedResponse同时携带ChatResponse和上下文信息,但上下文信息对调用者不可见。这在RAG等场景中尤为不便,因为调用者无法获取向量库检索的上下文文档等重要信息。
改进后的设计将上下文信息以更清晰的方式暴露给调用者,既保持了Chat Model API的简洁性,又提供了必要的上下文访问能力。
观察机制的增强
观察上下文(Observation Context)原先依赖于DefaultChatClientRequestSpec的具体实现,这限制了其通用性。同时,由于AdvisedRequest的信息不完整问题,观察上下文可能包含错误或不完整的数据。
优化后的观察机制:
- 解除了与具体实现的耦合
- 确保观察上下文包含完整准确的信息
- 提供了更可靠的监控和诊断能力
提示模板的灵活处理
原提示模板系统基于StringTemplate实现,存在两个主要限制:
- 当用户提示包含大括号但不使用模板时会导致失败
- 无法支持不同的模板策略
改进后的设计引入了可插拔的模板渲染策略,允许开发者:
- 自定义模板引擎
- 处理包含特殊字符的非模板文本
- 根据需求选择最适合的模板处理方式
总结
Spring AI通过对ChatClient和Advisor API的全面重构,解决了早期版本中的一致性问题、信息冗余问题和灵活性限制。这些改进使得API更加健壮、易于使用,同时为复杂场景提供了更好的支持。新的设计特别关注了RAG等高级用例的需求,确保开发者能够充分利用框架能力构建强大的AI应用。
这些架构演进体现了Spring团队对API设计原则的坚持:简洁性、一致性和扩展性,为Spring AI项目的长期发展奠定了坚实的基础。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









