本文从架构视角介绍 Spring AI 的 Chat Memory + JDBC 持久化：如何使用、自动配置与运行时如何落库，并给出核心类图与扩展思路。

本文介绍了从零搭建基于Spring Boot 3、Spring AI与Ollama的本地AI对话服务的完整流程。主要内容包括： 环境准备：安装JDK 21、Maven和Ollama，并配置本地大模型 项目创建：使用Spring Initializr或IDEA创建Spring Boot 3.5项目 依赖配置：添加Spring AI Ollama、Knife4j等关键依赖 接口开发：配置应用端口和AI

提示工程（Prompt Engineering）是通过优化指令设计来引导大模型输出预期结果的技术。核心技巧包括：1）清晰详细地表达需求；2）让模型扮演特定角色；3）使用分隔符划分文本；4）拆分任务步骤；5）提供示例（Few-shot）。此外，Zero-shot思想利用模型预训练知识直接完成任务，Few-shot则通过少量示例提升回答精度。这些方法能有效提高模型输出的准确性和可控性，是AI交互的关键