Spring AI 项目中如何配置提示词与补全日志的观察性功能

在基于Spring AI构建的智能应用开发过程中，开发者经常需要观察AI模型交互的详细过程，特别是提示词（prompt）和补全结果（completion）的完整内容。本文将深入解析如何在Spring AI项目中正确配置日志系统以实现这一需求。

核心配置逻辑

Spring AI通过Observation机制提供了对AI交互过程的观测能力。要启用提示词和补全内容的日志记录，需要在配置文件中进行双重设置：

1. 功能开关配置
   在application.yml中启用日志记录功能：

   spring:
     ai:
       chat:
         observations:
           log-prompt: true    # 启用提示词记录
           log-completion: true # 启用补全结果记录
   

2. 日志级别调整
   由于默认实现使用DEBUG级别，需要同步调整日志级别：

   logging:
     level:
       org:
         springframework:
           ai:
             chat:
               observation: DEBUG  # 核心观测处理器
               client:
                 observation: DEBUG # 客户端观测
   

技术实现解析

Spring AI的观测系统基于Spring Framework的Observation API构建。当开启log-prompt和log-completion功能后：

1. 系统会在ChatClient执行前后创建Observation上下文
2. 观测处理器会捕获交互过程中的关键事件
3. 通过SLF4J日志门面输出详细交互信息

最佳实践建议

1. 生产环境考量
   虽然可以将日志级别提升至INFO（通过PR#3218已实现），但需注意：

   • 提示词可能包含敏感信息
   • 大模型响应可能产生大量日志 建议结合日志过滤和脱敏机制使用

2. 调试技巧
   当日志不生效时，检查：

   • 观测功能开关是否真正启用
   • 日志包路径是否配置正确
   • 是否有其他日志配置覆盖

3. 架构设计启示
   该实现展示了Spring生态的良好扩展性：

   • 通过Observation抽象技术细节
   • 采用约定优于配置原则
   • 保持各模块解耦

随着Spring AI的持续演进，观测能力将进一步完善，为开发者提供更强大的AI应用监控和调试能力。