做过AI智能体开发吗?SpringAI框架包含的内容?

• 闭源：OpenAI GPT-4、Anthropic Claude 3（功能强、成本高）
• 开源：Llama 3、Mistral（可本地部署、隐私可控）

框架选择：

// 伪代码：Spring AI智能体控制器核心逻辑@Servicepublic class AgentController {    @Autowired    private ChatClient chatClient;    @Autowired    private ToolManager toolManager;    @Autowired    private MemoryService memoryService;    public String processTask(String task, String userId) {        // 1. 加载历史记忆        String history = memoryService.getHistory(userId);        // 2. 生成任务规划        String plan = generatePlan(task, history);        // 3. 执行规划（循环调用工具+模型）        String result = executePlan(plan);        // 4. 保存记忆        memoryService.saveHistory(userId, task, result);        return result;    }    private String executePlan(String plan) {        // 解析规划步骤，循环调用工具和模型        while (hasNextStep(plan)) {            String step = getNextStep(plan);            if (isToolCall(step)) {                // 调用工具                String toolResult = toolManager.callTool(step);                // 将工具结果返回给模型，继续推理                plan = chatClient.prompt("工具返回结果：" + toolResult + "，请继续执行任务").call().getResult();            } else {                // 直接执行模型推理                plan = chatClient.prompt(step).call().getResult();            }        }        return plan;    }}

步骤 5：测试与优化

• 单元测试：测试各模块独立功能
• 集成测试：测试智能体端到端任务执行能力
• 压力测试：评估并发处理能力与性能瓶颈
• 迭代优化：根据测试结果调整提示词、规划逻辑、工具调用策略

4. 我的 AI 智能体开发经验

// 1. 配置OpenAI聊天模型（application.yml）spring:  ai:    openai:      api-key: ${OPENAI_API_KEY}      chat:        model: gpt-4// 2. 使用ChatClient进行对话（自动注入）@RestControllerpublic class ChatController {    @Autowired    private ChatClient chatClient;    @GetMapping("/chat")    public String chat(String message) {        // 流式响应示例        StringBuilder response = new StringBuilder();        chatClient.prompt()                .user(message)                .stream()                .content()                .subscribe(content -> response.append(content));        return response.toString();    }}

// 提示词模板示例PromptTemplate promptTemplate = new PromptTemplate("请用{language}语言解释{concept}概念，要求通俗易懂");Prompt prompt = promptTemplate.create(Map.of("language", "Java", "concept", "Spring AI"));String result = chatClient.prompt(prompt).call().getResult();

@Autowiredprivate VectorStore vectorStore;@Autowiredprivate EmbeddingModel embeddingModel;// 1. 存储文档到向量数据库public void storeDocument(String content) {    Document document = new Document(content);    vectorStore.add(List.of(document), embeddingModel);}// 2. 检索相关文档并生成回答public String ragQuery(String question) {    // 检索相似文档    List<Document> similarDocs = vectorStore.similaritySearch(question, 3, embeddingModel);    // 构建提示词（结合问题+相似文档）    String prompt = String.format("基于以下文档回答问题：%s\n问题：%s",             similarDocs.stream().map(Document::getContent).collect(Collectors.joining("\n")),             question);    // 调用模型生成回答    return chatClient.prompt(prompt).call().getResult();}

// 1. 定义工具@Componentpublic class WeatherTool implements Function {    @Override    public String getName() { return "get_weather"; }    @Override    public String getDescription() { return "获取指定城市的天气信息，参数：city（城市名称）"; }    @Override    public Object apply(Map<String, Object> parameters) {        String city = (String) parameters.get("city");        // 调用天气API获取数据        return "城市：" + city + "，天气：晴，温度：25℃";    }}// 2. 工具调用示例@Autowiredprivate ToolManager toolManager;public String askWeather(String city) {    // 模型会自动识别并调用WeatherTool    return chatClient.prompt()            .user("告诉我" + city + "的天气")            .tools(toolManager.getTools())            .call()            .getResult();}

// 定义输出POJOpublic class WeatherResponse {    private String city;    private String weather;    private int temperature;    // Getter/Setter}// 模型输出直接映射到POJOWeatherResponse response = chatClient.prompt()        .user("获取北京天气，返回JSON格式：{city, weather, temperature}")        .structuredOutput(WeatherResponse.class)        .call()        .getResult();