2. **改进建议:** 以编号列表的形式，给出具体的、可操作的建议。对于每条建议，请提供"修改前"和"修改后"的代码块，以清晰地展示变化，并解释*为什么*推荐这样修改。你的任务是分析代码中潜在的错误、风格问题（遵循Java编码规范，如Google Java Style Guide）、性能瓶颈和安全漏洞。它负责下载、安装、运行和管理主流模型（如阿里的Qwen、Meta的Llama 3等），无需自己

但是这样的话还是有一个问题，假如有多个用户问的话，那我们肯定不能用一个会话记忆。原理就是通过JDK的动态代理，把创建代理对象的任务交给了AiService.但是如果要我们每次把之前的记录自己去维护， 未免太麻烦， 所以提供了。代理对象会去ChatMemory中获取之前的对话记忆。所以我们可以给每一个对话设置一个memory_id。把userId一换，我们发现他的对话记忆进行隔离了。，每次请求都是独

结构化输出（Structured Output）：让大模型不返回自由文本，而是严格按指定格式（如 JSON）输出，程序可直接解析成对象，免手动字符串处理、免正则、免 JSON.parse 异常Spring。结构化输出：大模型返回 JSON，Spring AI 一键转 Java Bean，类型安全、稳定高效Spring。两种写法.entity()简洁、灵活。三大参数temperature 控创意、t

层级技术方案特点近期记忆实时、高频、低延迟中期记忆RAG + 向量数据库检索相关历史、按需加载长期记忆批处理/实时提取沉淀知识、精炼存储这种多层次记忆架构，能够在有限的 Token 窗口内最大化保留有用信息，让 AI 对话更接近"人"的自然交互体验。

随着大模型应用落地越来越广泛，传统硬编码对接各大 LLM 接口的方式，存在适配复杂、底层逻辑冗余、多模型切换成本高等问题。而基于 Spring 生态打造，提供了统一、流畅的ChatClient流式 API，屏蔽了不同大模型的底层通信细节，让 Java 开发者可以像写普通 Spring 业务代码一样快速开发 AI 应用，聚焦业务逻辑而非接口适配。本文基于 Spring AI Alibaba 核心组件

ChatModel（文本对话模型）：基础文本交互，接收纯文本输入，返回格式化文本回复，是最基础的大模型能力。ImageModel（文生图模型）：以文生图，接收用户文本描述，AI 生成对应图片并返回图片公网地址。Audio 语音合成模型：文本转语音，输入文字，模型生成音频流，可直接下载保存为 MP3 文件。Audio 语音转文字模型：音频解析转写，上传音频文件，自动识别音频内容并输出文本，适配会议记

1.其中发送HTTP请求并自动解压Gzip响应，这个是因为和风对返回数据进行了Gzip的压缩。显示400状态码，告诉你你的参数有问题。@Tool(name = "getWeather", description = "获取指定城市的当前天气信息，返回天气状况和温度")然后有两种实现，一种是实现Fuction接口，一直是靠@Tool注解。下面是第一种的实现方法。2.和风官网里面去看你专属的APIHO

在 Spring AI 开发中，ChatClient 封装了大模型的调用逻辑，无需手动拼接HTTP请求、无需适配不同模型的API。而 Prompt（提示词）是我们和大模型沟通的桥梁，合理使用不同的Prompt写法，可以实现：固定AI角色、动态修改提示词、解耦硬编码、统一角色配置等功能。本文基于 SpringBoot + SpringAI 单元测试代码，详解五种主流Prompt使用方式，全部可直接运

在 Spring AI 开发大模型对话应用时，Advisor相当于 AI 调用链路的拦截器 / 中间件打印完整出入参日志（敏感词违规拦截（内置自定义提示词增强、RAG 知识库注入、Token 限流、权限校验等Advisor 类似于 Spring MVC 的拦截器，可以在调用 AI 模型前后进行拦截处理。@Override// 1. 获取原始用户输入// 2. 渲染增强后的提示词.build()

核心注解@Tool定义工具用途，@ToolParam描述入参，整合 Spring Security 权限校验，限制高危操作仅管理员可用@Service@Autowired/*** AI可调用退票工具，仅ADMIN管理员角色允许执行* @param ticketNumber 车票唯一编号* @param userName 乘车人姓名* @return 操作结果+当前操作用户*/