小崔看完上节手动 RAG 代码后吐槽："每个查询都要写四步，这也太麻烦了。"白歌笑了笑："所以说框架存在的意义就是消灭样板代码——一个 Advisor 搞定全部。"

QuestionAnswerAdvisor 详解

定义与作用

QuestionAnswerAdvisor 是 Spring AI 内置的 RAG Advisor，自动完成"检索 → 拼上下文 → 注入 Prompt"全流程。只需将 VectorStore 传入构造器并注册到 ChatClient，每次调用自动执行 RAG。

new QuestionAnswerAdvisor(vectorStore)
    // 一行代码启动 RAG，背后是三阶段自动化

对比手动实现：

维度手动 RAGQuestionAnswerAdvisor
检索手动调 VectorStore自动执行
Prompt 拼接手写字符串模板内置默认模板 + 可自定义
上下文注入手动 String.format()Advisor 链中自动注入
与 Advisors 配合需手动管理顺序自然融入 Advisor 洋葱模型

核心原理：自动注入流程

图释：QuestionAnswerAdvisor 在 adviseRequest 阶段拦截请求，自动检索 VectorStore → 拼接上下文 → 注入 Prompt，然后交给 ChatModel 生成回答。

完整示例一：最简 RAG 实现

场景说明

孔蓝要求"在现有聊天接口上加上公司知识库，不要改太多代码"。

关键代码

@Configuration
public class RagConfig {

    @Bean
    public ChatClient chatClient(ChatClient.Builder builder,
                                  VectorStore vectorStore) {
        return builder
                .defaultAdvisors(new QuestionAnswerAdvisor(vectorStore))
                .build();
    }
}

@RestController
public class StudentSystemController {

    private final ChatClient chatClient;

    public StudentSystemController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    // 一句代码接入 RAG
    @GetMapping("/ask")
    public String ask(@RequestParam String question) {
        return chatClient.prompt()
                .user(question)
                .call()
                .content();
    }
}

运行结果

GET /ask?question=飞翔科技的办公时间是几点到几点？

响应：
「根据飞翔科技员工手册第二章：
 - 标准办公时间：9:00 - 18:00（午休 12:00 - 13:30）
 - 弹性工作制部门：核心时段 10:00 - 16:00 需在岗
 - 加班需提前报备并由部门主管审批」

关键观察：Controller 代码与普通的 ChatClient 调用没有任何区别，但回答却基于了公司内部文档——这就是 Advisor 无侵入集成的优势。

完整示例二：自定义 RAG Prompt 模板

场景说明

高英发现默认 Prompt 模板不符合运营场景的需求——她需要 AI 回复时附带文档页码来源。

关键代码

@Configuration
public class CustomRagConfig {

    @Bean
    public ChatClient chatClient(ChatClient.Builder builder,
                                  VectorStore vectorStore) {
        QuestionAnswerAdvisor advisor = new QuestionAnswerAdvisor(vectorStore);
        
        // 自定义 Prompt 模板
        advisor.setPromptTemplate("""
                你是飞翔科技的管理助手。
                
                【必须严格遵守以下规则】
                1. 仅基于以下文档片段回答问题
                2. 每条回答末尾标注来源页码（如 [员工手册-P23]）
                3. 如果文档中没有相关信息，回复「此问题超出我的知识范围」
                
                相关文档：
                {context}
                
                用户问题：{question}
                
                回答：
                """);
        
        return builder
                .defaultAdvisors(advisor)
                .build();
    }
}

运行结果

GET /ask?question=怎么申请报销？

响应：
「报销流程如下：
 1. 填写《费用报销单》并附发票原件
 2. 直属主管签字审批
 3. 财务部审核（3 个工作日内）
 4. 金额 >5000 元需副总加签
 [员工手册-P47]」
 ↑ 附带页码来源，高英可以直接验证

易错场景与面试考点

易错场景一：VectorStore 为 null 导致 NPE

// ❌ 错误：VectorStore 未配置，注入为 null
@Bean
public ChatClient chatClient(ChatClient.Builder builder) {
    return builder
            .defaultAdvisors(new QuestionAnswerAdvisor(null))  // NPE!
            .build();
}

问题分析

VectorStore 需要通过 PGVector 等具体实现来提供。如果不引入 spring-ai-pgvector-store-spring-boot-starter 依赖或未配置连接，VectorStore Bean 不会创建。

// ✅ 正确：先确保 PGVector 配置正确
// application.yml
spring:
  ai:
    vectorstore:
      pgvector:
        index-type: HNSW
        distance-type: COSINE_DISTANCE
        dimensions: 1536
        initialize-schema: true
  datasource:
    url: jdbc:postgresql://localhost:5432/vectordb
    username: postgres
    password: ${PG_PASSWORD}

面试高频题

Q1：QuestionAnswerAdvisor 与 Advisor 链的协作方式是什么？

QuestionAnswerAdvisor 实现了 RequestResponseAdvisor 接口，在 adviseRequest 阶段从 VectorStore 检索文档并注入 Prompt。它可以与其他 Advisor（如 ChatMemoryAdvisor）组合使用，执行顺序由注册顺序决定。

Q2：如何自定义 RAG Prompt 模板中的占位符？

默认模板使用 {context} 和 {question} 两个占位符。通过 advisor.setPromptTemplate() 传入自定义模板字符串，框架会自动将检索结果填充到 {context}，将用户问题填充到 {question}。

本章小结

  • QuestionAnswerAdvisor 自动完成 RAG 三步：检索 → 拼接 → 注入
  • 通过 defaultAdvisors 注册后，所有请求自动 RAG 增强
  • 支持自定义 Prompt 模板（含 {context} 和 {question} 占位符）
  • 务必确保 VectorStore 已正确配置，否则抛出 NPE