项目依赖配置 (pom.xml)

创建 Spring Boot 项目并添加以下关键依赖：
jdk 4.x

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-openai</artifactId>
        <version>2.0.0-M2</version>
    </dependency>
    <dependency>
        <groupId>org.springaicommunity</groupId>
        <artifactId>spring-ai-agent-utils</artifactId>
        <version>0.4.2</version>
    </dependency>
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
</dependencies>

配置 DeepSeek 作为 LLM 后端

在 application.yml 中配置 DeepSeek API：

spring:
  ai:
    openai:
      api-key: ${DEEPSEEK_API_KEY}
      base-url: https://api.deepseek.com
      chat:
        options:
          model: deepseek-chat
          temperature: 0.7

创建技能目录

在 src/main/resources/skills 目录下创建 SKILL.md 文件，内容如下：

---
name: calculate
description: 当用户输入格式为"num num"，调用计算方法对数据进行处理.
---
# Code Reviewer
## Instructions
在进行操作时：
1. 首先需要校验是否是数字，通过调用 isnum 工具实现
2. 如果isnum工具返回true，对两个数调用cal 工具
3. 将cal工具的结果进行返回显示

编写 Controller

集成 Skills 到 ChatClient：

@RestController
@RequestMapping("/api/ai")
public class ChatController {
    @Autowired
    private OpenAiChatModel chatModel;

    @GetMapping("/generate-with-skills")
    public String generateWithSkills(@RequestParam String message) {
        ChatClient chatClient = ChatClient.builder(chatModel)
            .defaultSystem("你是一个可以调用工具的智能助手，请根据用户需求选择合适的技能。")
            .defaultToolCallbacks(
                SkillsTool.builder()
                    .addSkillsDirectory("classpath:skills")
                    .build()
            )
            .defaultAdvisors(
                MyLoggingAdvisor.builder()
                    .showAvailableTools(true)
                    .showSystemMessage(false)
                    .build()
            )
            .build();

        String response = chatClient.prompt(message)
            .call()
            .content();
        return response;
    }
}

自定义日志 Advisor

通过 MyLoggingAdvisor 查看 AI 决策过程：

@Component
public class MyLoggingAdvisor implements Advisor {
    // 实现日志打印逻辑
}

测试 Agent

启动应用后访问：

GET http://localhost:8080/api/ai/generate-with-skills?message=现在几点了？

扩展方向

• 添加文件读取技能（使用 FileSystemTools）
• 添加 Shell 命令执行（谨慎使用）
• 封装数据库查询、HTTP 调用为技能
• 使用 RAG + Skills 实现更复杂的智能体