Kotlin-AI-Examples项目:深入理解Spring AI中的Advisor机制
什么是Advisor?
在Spring AI框架中,Advisor是一种强大的拦截机制,它允许开发者在AI交互过程中灵活地介入和修改请求与响应。这种设计模式类似于Spring框架中的AOP(面向切面编程)概念,但专门为AI交互场景进行了优化。
Advisor的核心价值在于它提供了一种非侵入式的方式来增强AI功能,而不需要修改核心业务逻辑。通过Advisor,我们可以实现多种增强功能:
- 上下文增强:自动为请求添加必要的上下文信息
- 内容过滤:拦截并过滤敏感或不适当的内容
- 性能监控:记录请求响应时间和资源消耗
- 格式标准化:确保AI输出的数据结构一致性
- 对话记忆:维护对话历史上下文
基础环境搭建
在开始使用Advisor之前,我们需要配置基本的AI聊天环境。这里以OpenAI的GPT模型为例:
%useLatestDescriptors
%use spring-ai-openai
val apiKey = System.getenv("OPENAI_API_KEY") ?: "YOUR_OPENAI_API_KEY"
val openAiApi = OpenAiApi.builder().apiKey(apiKey).build()
val openAiOptions = OpenAiChatOptions.builder()
.model(OpenAiApi.ChatModel.GPT_4_O_MINI)
.temperature(0.7)
.build()
val chatModel = OpenAiChatModel.builder()
.openAiApi(openAiApi)
.defaultOptions(openAiOptions)
.build()
这段代码配置了一个基本的OpenAI聊天模型客户端,设置了模型版本为GPT-4-O-MINI,温度为0.7(控制输出的创造性程度)。
内置Advisor实战
Spring AI提供了一系列开箱即用的Advisor实现,让我们先看看最常用的MessageChatMemoryAdvisor。
MessageChatMemoryAdvisor
这个Advisor负责维护对话历史,使得AI能够记住上下文。实现方式如下:
val chatMemory = MessageWindowChatMemory.builder().build()
val chatClient = ChatClient
.builder(chatModel)
.defaultAdvisors(MessageChatMemoryAdvisor(chatMemory))
.build()
测试对话效果:
chatClient.prompt("Hi, tell me a joke").call().content()
// 输出:Sure! Why did the scarecrow win an award? Because he was outstanding in his field!
chatClient.prompt("What is previous message in our chat history?").call().content()
// 输出:The previous message in our chat history was a joke: "Why did the scarecrow win an award? Because he was outstanding in his field!"
可以看到,AI现在能够记住之前的对话内容,这对于构建连贯的对话体验至关重要。
其他内置Advisor
Spring AI还提供了多种实用的内置Advisor:
- PromptChatMemoryAdvisor:基于提示的对话记忆
- QuestionAnswerAdvisor:专门优化问答场景
- RetrievalAugmentationAdvisor:增强检索能力
- SafeGuardAdvisor:安全防护
- SimpleLoggerAdvisor:简单日志记录
- VectorStoreChatMemoryAdvisor:基于向量存储的记忆
自定义Advisor开发
虽然内置Advisor功能强大,但实际项目中我们经常需要定制自己的Advisor。让我们创建一个简单的日志记录Advisor。
自定义Logger Advisor
import org.springframework.ai.chat.client.advisor.api.AdvisedRequest
import org.springframework.ai.chat.client.advisor.api.AdvisedResponse
import org.springframework.ai.chat.client.advisor.api.CallAroundAdvisor
import org.springframework.ai.chat.client.advisor.api.CallAroundAdvisorChain
class CustomLogger: CallAroundAdvisor {
override fun getName(): String {
return "CustomLogger"
}
override fun getOrder(): Int = 0
override fun aroundCall(advisedRequest: AdvisedRequest, chain: CallAroundAdvisorChain): AdvisedResponse {
println("CustomLogger.Before: ${advisedRequest}")
val advisedResponse = chain.nextAroundCall(advisedRequest)
println("CustomLogger.After: ${advisedResponse}")
return advisedResponse
}
}
这个CustomLogger会在每次AI交互前后打印请求和响应信息,非常适合调试和监控。
使用自定义Advisor
chatClient
.prompt("Generate HelloWorld in Kotlin")
.advisors(CustomLogger())
.call()
.content()
执行后会输出详细的请求和响应日志,同时返回Kotlin的HelloWorld代码示例。
Advisor的高级应用
在实际项目中,Advisor可以组合使用,形成处理链。例如:
- 安全过滤链:先经过SafeGuardAdvisor过滤敏感词,再经过内容审核Advisor
- 上下文增强链:先添加用户画像信息,再补充业务上下文
- 监控链:日志记录Advisor + 性能监控Advisor
Advisor的执行顺序由getOrder()方法决定,数值越小优先级越高。合理设置顺序可以确保处理流程符合预期。
最佳实践建议
- 职责单一:每个Advisor应该只关注一个特定功能
- 性能考量:复杂处理应考虑异步或缓存机制
- 错误处理:妥善处理异常,避免中断整个处理链
- 配置灵活:通过外部配置控制Advisor的启用和参数
- 测试覆盖:为每个Advisor编写单元测试和集成测试
总结
Spring AI的Advisor机制为AI应用开发提供了极大的灵活性和扩展性。通过内置Advisor可以快速实现常见功能,而自定义Advisor则能满足特定业务需求。合理使用Advisor可以显著提升AI应用的稳定性、安全性和用户体验。
在Kotlin-AI-Examples项目中,这些技术已经过实践验证,开发者可以直接参考或基于此进行二次开发,快速构建自己的AI增强功能。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
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~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









