白歌在白板上画出洋葱模型："每个 Advisor 包裹一层逻辑，请求从外向内穿，响应从内向外穿。日志、安全、记忆注入，全部收敛到这根链上。"

Advisor 链与内置拦截器

定义与作用

Advisor 是 Spring AI 的拦截器/顾问模式实现。它在 Prompt 发送给模型之前和 Response 返回给调用方之后插入自定义逻辑——日志记录、对话记忆注入、内容安全过滤等横切关注点，无需修改业务代码。

核心原理

洋葱模型

图释：注册顺序即嵌套顺序——先注册的 Advisor 在最外层包裹。请求依次穿过 A1→A2→A3 到达 Model，响应反向穿过 A3→A2→A1 返回用户。

RequestResponseAdvisor 接口

public interface RequestResponseAdvisor {
    
    // 请求前：修改 Prompt
    Prompt adviseRequest(Prompt prompt, Map<String, Object> context);
    
    // 响应后：修改 ChatResponse
    ChatResponse adviseResponse(ChatResponse response, 
        Map<String, Object> context);
    
    // 标识名
    String getName();
    
    // 执行顺序（数值越小越靠外）
    default int getOrder() { return 0; }
}

内置 Advisor 速查

Advisor	功能	注入时机	典型场景
QuestionAnswerAdvisor	自动 VectorStore 检索并注入上下文	请求前	RAG 标配
ChatMemoryAdvisor	自动管理对话历史	请求前	多轮对话
SimpleLoggerAdvisor	记录 Prompt/Response	请求前 + 响应后	调试审计
ReReadingAdvisor	让模型重读并校验自己回答	请求前	减少幻觉
SafeGuardAdvisor	内容安全过滤	请求前 + 响应后	企业合规

完整示例一：日志记录 Advisor

场景说明

李眉需要给飞翔科技智能客服加上完整的调用审计日志。

关键代码

@Component
public class AuditLogAdvisor implements RequestResponseAdvisor {

    private static final Logger log = 
        LoggerFactory.getLogger(AuditLogAdvisor.class);

    @Override
    public Prompt adviseRequest(Prompt prompt, 
            Map<String, Object> context) {
        // 提取用户问题文本
        String userContent = prompt.getInstructions().stream()
            .filter(m -> m.getMessageType() == MessageType.USER)
            .map(Message::getContent)
            .findFirst()
            .orElse("unknown");
        
        log.info("[AI 调用] 用户提问: {}", userContent);
        log.info("[AI 调用] Token 预算: {}", 
            prompt.getOptions() != null ? 
            prompt.getOptions().getMaxTokens() : "default");
        
        return prompt;  // 不修改 Prompt
    }

    @Override
    public ChatResponse adviseResponse(ChatResponse response, 
            Map<String, Object> context) {
        String aiReply = response.getResult()
            .getOutput().getContent();
        
        log.info("[AI 回复] 内容长度: {} 字符", 
            aiReply.length());
        log.info("[AI 回复] 模型: {}", 
            response.getMetadata().getModel());
        
        return response;
    }

    @Override
    public String getName() { 
        return "audit-log"; 
    }
}

注册 Advisor

@Configuration
public class AdvisorConfig {

    @Bean
    public ChatClient chatClient(
            ChatClient.Builder builder,
            AuditLogAdvisor auditLog,
            VectorStore vectorStore) {
        
        return builder
            .defaultAdvisors(
                auditLog,                                    // 第 1 层
                new ChatMemoryAdvisor(new InMemoryChatMemory()), // 第 2 层
                new QuestionAnswerAdvisor(vectorStore)     // 第 3 层
            )
            .build();
    }
}

运行结果

控制台日志：
[main] INFO  AuditLogAdvisor - [AI 调用] 用户提问: 飞翔大学的学费是多少？
[main] INFO  AuditLogAdvisor - [AI 调用] Token 预算: 2000
[main] INFO  AuditLogAdvisor - [AI 回复] 内容长度: 156 字符
[main] INFO  AuditLogAdvisor - [AI 回复] 模型: gpt-4o

完整示例二：内容安全过滤 Advisor

场景说明

高英要求客服 AI 不能输出任何违规内容。

关键代码

@Component
public class ContentSafetyAdvisor implements RequestResponseAdvisor {

    private static final List<String> FORBIDDEN_KEYWORDS = 
        List.of("赌博", "色情", "暴力");

    @Override
    public Prompt adviseRequest(Prompt prompt, 
            Map<String, Object> context) {
        // 请求前：检查用户输入是否违规
        String userInput = prompt.getInstructions().stream()
            .filter(m -> m.getMessageType() == MessageType.USER)
            .map(Message::getContent)
            .findFirst().orElse("");
        
        for (String keyword : FORBIDDEN_KEYWORDS) {
            if (userInput.contains(keyword)) {
                throw new IllegalArgumentException(
                    "输入包含违规内容，已拦截");
            }
        }
        return prompt;
    }

    @Override
    public ChatResponse adviseResponse(ChatResponse response, 
            Map<String, Object> context) {
        // 响应后：检查 AI 输出是否违规
        String aiReply = response.getResult()
            .getOutput().getContent();
        
        for (String keyword : FORBIDDEN_KEYWORDS) {
            if (aiReply.contains(keyword)) {
                // 替换为安全回复
                return ChatResponse.builder()
                    .generations(List.of(
                        new Generation("抱歉，无法回答该问题。")))
                    .build();
            }
        }
        return response;
    }

    @Override
    public String getName() { 
        return "content-safety"; 
    }
}

运行结果

// 正常提问
用户："飞翔大学有哪些专业？"
AI："飞翔大学设有计算机科学、软件工程、数据科学..."

// 违规提问
用户："如何参与赌博？"
异常：java.lang.IllegalArgumentException: 输入包含违规内容，已拦截

// AI 输出被拦截
用户："描述一些暴力场景"
AI："抱歉，无法回答该问题。"

操作前后对比

维度	操作前（无 Advisor）	操作后（有 Advisor 链）
日志	每次调用需手动加 log.info()	AuditLogAdvisor 自动记录
安全	需在 Controller 层逐接口校验	ContentSafetyAdvisor 统一拦截
记忆	需手动管理对话历史	ChatMemoryAdvisor 自动注入
扩展性	新增横截关注点需改业务代码	新增 Advisor 实现接口即插即用
可测试性	日志和安全逻辑与业务耦合	各 Advisor 独立单元测试

易错场景与面试考点

易错场景一：Advisor 顺序错误导致 RAG 不生效

// ❌ 错误：安全 Advisor 放在 RAG Advisor 外面
builder.defaultAdvisors(
    contentSafety,                              // 最外层
    new QuestionAnswerAdvisor(vectorStore)      // 内层
);
// 安全过滤时，Prompt 还没有注入检索上下文

问题分析

QuestionAnswerAdvisor 在请求前修改 Prompt（注入检索上下文），如果它在安全 Advisor 内侧，安全 Advisor 看到的 Prompt 缺少上下文。应调整顺序：

// ✅ 正确：RAG Advisor 在外层，安全在更外层
builder.defaultAdvisors(
    auditLog,                                    // 外层：日志
    contentSafety,                                // 中层：安全
    new QuestionAnswerAdvisor(vectorStore),       // 中层：RAG
    new ChatMemoryAdvisor(new InMemoryChatMemory()) // 内层：记忆
);

面试高频题

Q1：Advisor 链的执行顺序是怎样的？

洋葱模型——先注册的 Advisor 同时是最外层。请求按注册顺序正向穿过各 Advisor，响应按注册顺序的反向穿过。getOrder() 返回值越小越靠外。

Q2：Advisor 和 Spring AOP 的关系？

两者都是横切关注点的实现手段，但层次不同。Spring AOP 针对方法调用织入增强（@Around），Advisor 针对 AI 调用的 Prompt/Response 做拦截。Advisor 可以理解为"AI 专用 AOP"——在 AI API 调用的关键节点织入逻辑。

本章小结

Advisor 是 Spring AI 的拦截器模式，实现横切关注点分离
内置 5 种 Advisor：RAG、记忆、日志、安全、重读
注册顺序决定嵌套层级（先注册 = 最外层）
自定义 Advisor 只需实现 RequestResponseAdvisor 接口
Advisor 不侵入业务代码，即插即用，独立可测