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：

1. PromptChatMemoryAdvisor：基于提示的对话记忆
2. QuestionAnswerAdvisor：专门优化问答场景
3. RetrievalAugmentationAdvisor：增强检索能力
4. SafeGuardAdvisor：安全防护
5. SimpleLoggerAdvisor：简单日志记录
6. 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：

1. 安全过滤链：先经过SafeGuardAdvisor过滤敏感词，再经过内容审核Advisor
2. 上下文增强链：先添加用户画像信息，再补充业务上下文
3. 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

1. 职责单一：每个Advisor应该只关注一个特定功能
2. 性能考量：复杂处理应考虑异步或缓存机制
3. 错误处理：妥善处理异常，避免中断整个处理链
4. 配置灵活：通过外部配置控制Advisor的启用和参数
5. 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。