白歌画了一个类图给小崔看："SystemMessage 定规则，UserMessage 带问题，AssistantMessage 存历史，ToolResponseMessage 传结果。四种消息各司其职，Prompt 就是一个装消息的容器。"

Prompt 与 Message 体系

定义与作用

在 Spring AI 中，每次与 AI 模型的交互都通过 Prompt 对象表示。Prompt 是一个容器，装载：

  • 消息列表（List<Message>）：对话的完整上下文
  • ChatOptions（可选）：模型调用参数（temperature、model 等）

Message 是 Prompt 的基本构建单元。Spring AI 定义了四种消息类型，对应 LLM 的四种标准角色。

Message 四种类型详解

类型角色接口/类典型用途在对话中的位置
SystemMessagesystemSystemMessage设定 AI 全局行为和角色对话第一条，贯穿全程
UserMessageuserUserMessage用户输入，可附加图片/音频每轮对话的用户侧
AssistantMessageassistantAssistantMessageAI 的历史回复，维持上下文每轮对话的 AI 侧
ToolResponseMessagetoolToolResponseMessage工具函数执行结果Tool Calling 循环中

类继承体系

图释：四种 Message 共享 AbstractMessage 的 content + messageType 基础结构，各自扩展特有构造器。UserMessage 额外支持 Media 多模态参数。

Prompt 的三种构造方式

// 方式一：简单字符串（最简，适合单轮问答）
Prompt prompt1 = new Prompt("今天天气怎么样？");

// 方式二：消息列表（多角色，适合有角色设定场景）
Prompt prompt2 = new Prompt(List.of(
    new SystemMessage("你是学生的课程顾问。"),
    new UserMessage("离散数学的前置课程是什么？")
));

// 方式三：消息列表 + ChatOptions（精确控制参数）
Prompt prompt3 = new Prompt(
    List.of(
        new SystemMessage("你是飞翔科技大学的课程顾问。"),
        new UserMessage("推荐一门选修课")
    ),
    ChatOptions.builder()
        .temperature(0.3)   // 低温度 → 更准确的课程信息
        .model("gpt-4o")
        .build()
);

完整示例一：构建带角色设定的课程问答

场景说明

孔蓝要求课程咨询的 AI 回复风格专业且结构化。

关键代码

@RestController
public class CourseQAController {

    private final ChatClient chatClient;

    public CourseQAController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }

    @GetMapping("/course-qa")
    public String ask(@RequestParam String question) {
        return chatClient.prompt()
                .system("""
                    你是飞翔科技大学的课程顾问。回答时遵循以下规则：
                    1. 先给出直接答案
                    2. 然后列出相关的课程编号和学分
                    3. 最后补充选课建议
                    即使不确定，也要给出参考信息而非泛泛而谈。
                    """)
                .user(question)
                .options(ChatOptions.builder()
                        .temperature(0.3)     // 课程信息需要准确
                        .build())
                .call()
                .content();
    }
}

对比效果

普通版本（无 SystemMessage）：
Q: 离散数学的前置课程
A: 离散数学的常见前置课程包括高等数学、线性代数等基础数学课。
    具体以学校培养方案为准。

专业版本（有 SystemMessage）：
Q: 离散数学的前置课程  
A: 根据培养方案，离散数学（CS201）需先修：
   1. MATH101 高等数学A — 5学分（侧重逻辑推理基础）
   2. MATH102 线性代数 — 4学分（侧重矩阵与组合基础）
   选课建议：建议大二上学期修读，与数据结构 CS301 搭配学习效果最佳。

完整示例二：UserMessage 的多模态能力

场景说明

孙鹤提出"学生拍照上传课程表图片，AI 自动识别课程安排"。

关键代码

@PostMapping("/read-schedule")
public String readSchedule(@RequestParam("image") MultipartFile image) 
        throws IOException {
    
    Media media = new Media(
        MimeTypeUtils.IMAGE_PNG,
        new InputStreamResource(image.getInputStream())
    );

    return chatClient.prompt()
            .system("你是 OCR 专家。从图片中提取所有课程信息，用表格格式输出。")
            .user(userSpec -> userSpec
                    .text("请提取这张课程表中的课程名称、时间和教室")
                    .media(media))
            .call()
            .content();
}

易错场景与面试考点

易错场景一：SystemMessage 和 UserMessage 混用

// ❌ 错误：把角色设定放在 UserMessage 中
Prompt prompt = new Prompt(List.of(
    new UserMessage("你是一个课程顾问。" +
                    "离散数学的前置课程是什么？")
));
// AI 可能把前半句当成普通聊天内容

问题分析

LLM 对 SystemMessage 和 UserMessage 的处理优先级不同。SystemMessage 被视为不可反驳的指令，UserMessage 视为可讨论的内容。

// ✅ 正确：角色设定放在 SystemMessage
Prompt prompt = new Prompt(List.of(
    new SystemMessage("你是飞翔科技大学的课程顾问。"),
    new UserMessage("离散数学的前置课程是什么？")
));

易错场景二：多模态请求忘记设置 MIME Type

// ❌ 错误：未指定 MIME type
Media media = new Media(resource);  // 编译错误或默认值不明确

问题分析

Media 的构造器需要明确的 MimeType，AI 模型据此判断如何处理附件。

// ✅ 正确：明确指定 MIME type
Media media = new Media(MimeTypeUtils.IMAGE_JPEG, resource);

面试高频题

Q1：SystemMessage 和 UserMessage 的 Token 分配优先级是什么？

大部分 LLM 给 SystemMessage 更高的"指令优先级"——AI 更倾向于遵守 System 的约束，即使与 User 消息冲突。建议在 SystemMessage 中放恒定的角色约束（"你是课程顾问"），在 UserMessage 中放可变的具体问题。

Q2：Prompt 中四种消息的典型排列顺序是怎样的？

通常顺序：SystemMessage（角色）→ 历史 User/Assistant 交替 → 最新 UserMessage → 可能有 ToolResponseMessage。SystemMessage 必须放在最前面以确立全局约束。

Q3：什么时候需要手动构造 Prompt 而不是用 ChatClient 的 Fluent API？

当需要精确控制消息列表中每条消息的类型、顺序和参数时（如手动注入 ToolResponseMessage 做 Tool Calling 循环、动态裁剪历史消息），直接构造 Prompt 对象更灵活。

本章小结

  • Prompt 是消息列表 + ChatOptions 的容器
  • Message 有四种类型：System（规则）、User（问题）、Assistant（回复历史）、Tool（工具结果）
  • SystemMessage 在最前面设定角色，优先级高于 UserMessage
  • Prompt 有三种构造方式：简单字符串、消息列表、消息列表 + 选项
  • UserMessage 支持多模态（Media），可附加图片/音频