Spring AI 1.0.0-RC1 版本中观测性配置的变更与解决方案

在 Spring AI 1.0.0-RC1 版本中，开发团队对观测性（Observability）相关的配置属性进行了重要调整。这些变更主要影响了聊天模型（Chat Model）和向量存储（Vector Store）的观测行为，需要开发者特别注意。

配置属性变更内容

新版本中，原先的观测性配置属性名称发生了以下变化：

• spring.ai.chat.observations.include-prompt 变更为 spring.ai.chat.observations.log-prompt
• spring.ai.chat.observations.include-completion 变更为 spring.ai.chat.observations.log-completion
• 向量存储相关的观测属性也进行了类似的命名调整

这些变更反映了从"包含"（include）到"记录"（log）的概念转变，更准确地描述了这些属性的实际功能。

实现细节与问题分析

在代码实现层面，ChatObservationProperties类最初未能完全同步这些变更，导致缺少logCompletion字段及其对应的setter方法。同样的问题也出现在VectorStoreObservationProperties类中，缺少logQueryResponse字段。

值得注意的是，虽然属性名称变更了，但观测功能本身仍然正常工作。这是因为这些属性主要用于条件自动配置，而非直接程序化使用。自动配置类中的条件判断已经正确实现了新属性名称的逻辑。

观测模式的变化

1.0.0-RC1版本还引入了一个重要的架构变更：从追踪（Tracing）模式转向日志（Logging）模式。在早期版本中，开发者可以通过Zipkin等追踪服务查看聊天提示和响应内容。新版本改为将这些信息记录到日志中，每个日志条目都包含traceId和spanId，仍然可以与追踪系统关联。

解决方案与替代方案

对于需要恢复追踪功能的开发者，可以考虑以下方案：

1. 自定义实现：可以复制早期版本中的ChatClientPromptContentObservationFilter类，并通过@Component注解使其生效。这种方式允许将大量文本数据附加到追踪span中。

2. 使用社区扩展：有开发者已经将移除的处理器和过滤器提取到独立项目中，这些扩展可以恢复原有的追踪功能。

3. 日志与追踪集成：利用现代可观测性工具（如支持OpenTelemetry的日志收集器）将日志内容与追踪span关联起来，实现两全其美的解决方案。

最佳实践建议

1. 对于新项目，建议适应新的日志模式，利用日志系统强大的查询和分析能力。

2. 如果确实需要将大量文本数据附加到追踪span中，应当评估性能影响，考虑仅记录关键摘要信息。

3. 在迁移现有项目时，仔细检查所有观测性相关配置，确保使用新属性名称。

4. 对于复杂的多AI代理场景，可以结合日志的全文检索能力和追踪的调用链分析，构建更全面的观测体系。

Spring AI团队将持续优化观测性功能，建议开发者关注后续版本的更新和改进。对于特定需求，也可以考虑参与社区讨论或贡献自定义解决方案。