Kotlin-AI-Examples项目教程:使用Spring AI实现结构化输出
2025-06-09 01:43:57作者:范垣楠Rhoda
什么是结构化输出?
结构化输出是大型语言模型(LLM)的一项重要能力,它允许模型按照预定义的格式(如JSON、XML等)生成响应,而不仅仅是自由格式的文本。这种能力使得AI生成的响应更易于在应用程序中解析和使用。
在Kotlin-AI-Examples项目中,我们通过Spring AI框架展示了如何利用这一功能,特别是在Kotlin环境下如何优雅地实现结构化输出。
结构化输出的优势
- 一致性:确保每次响应都遵循相同的格式
- 可预测性:明确知道返回数据的结构和类型
- 易用性:可以直接映射到Kotlin数据类,减少解析工作
- 可靠性:比单纯依赖提示词更稳定
两种实现方式对比
1. 通过提示词描述格式
val response = chatClient
.prompt()
.system("The response must be a valid JSON object.")
.user("""
What is the firstName and lastName of the person in this sentence?
"Aurora Skyfield announced her candidacy for the local city council yesterday."
""")
.call()
.content()
这种方法虽然简单,但存在明显缺点:
- 无法保证模型一定会返回完美格式化的JSON
- 需要额外的解析步骤
- 缺乏类型安全
2. 使用结构化输出能力
Spring AI提供了更强大的结构化输出支持,可以直接将响应映射到Kotlin数据类:
data class MobileDevice(
val name: String,
val price: Double,
val category: String,
val features: List<String> = emptyList()
)
val device = chatClient
.prompt("Tell me about the latest smartphone")
.call()
.entity<MobileDevice>()
这种方式优势明显:
- 类型安全
- 自动映射到Kotlin类
- 更可靠的格式保证
- 减少样板代码
实际应用示例
让我们看一个完整的示例,展示如何在Kotlin项目中实现结构化输出:
- 首先定义数据模型:
@Serializable
data class Person(val firstName: String, val lastName: String)
data class MobileDevice(
val name: String,
val price: Double,
val category: String,
val features: List<String> = emptyList()
)
- 配置AI客户端:
val openAiApi = OpenAiApi.builder().apiKey(apiKey).build()
val openAiOptions = OpenAiChatOptions.builder()
.model(OpenAiApi.ChatModel.GPT_4_O_MINI)
.temperature(0.7)
.build()
val chatClient = ChatClient.create(
OpenAiChatModel.builder()
.openAiApi(openAiApi)
.defaultOptions(openAiOptions)
.build()
)
- 使用结构化输出:
// 简单JSON输出
val jsonResponse = chatClient.prompt()
.system("The response must be a valid JSON object.")
.user("Extract person details from: \"Aurora Skyfield announced...\"")
.call()
.content()
// 直接映射到Kotlin类
val device = chatClient
.prompt("Tell me about the latest smartphone")
.call()
.entity<MobileDevice>()
最佳实践
- 明确的数据模型:始终先定义好期望的数据结构
- 适当的错误处理:处理可能的结构化输出失败情况
- 验证数据:即使使用结构化输出,也应验证关键字段
- 合理使用默认值:为可选字段提供合理的默认值
- 文档化:为数据类添加清晰的文档说明
常见问题解答
Q: 结构化输出会影响模型创造力吗? A: 不会,结构化输出只约束响应格式,不影响内容质量。
Q: 所有AI模型都支持结构化输出吗? A: 不是所有模型都原生支持,但通过Spring AI这样的框架可以统一接口。
Q: 如何处理复杂的嵌套结构? A: Kotlin数据类支持嵌套定义,可以很好地表示复杂结构。
Q: 性能影响如何? A: 结构化输出会增加少量处理开销,但通常可以忽略不计。
总结
Kotlin-AI-Examples项目展示了如何在Kotlin生态中高效利用Spring AI的结构化输出能力。通过直接映射到Kotlin数据类,开发者可以获得类型安全、易于维护的AI集成方案。这种方法特别适合需要将AI响应集成到现有系统或需要严格数据格式的场景。
结构化输出不仅提高了开发效率,还增强了系统的可靠性和可维护性,是现代AI应用开发中值得掌握的重要技术。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI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。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

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!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8