大模型之Spring AI实战系列（五）：Spring Boot + OpenAI 构建带角色设定的智能对话系统
系列篇章💥
| No. | 文章 |
|---|---|
| 1 | 大模型之Spring AI实战系列（一）：基础认知篇 - 开启智能应用开发之旅 |
| 2 | 大模型之Spring AI实战系列（二）：Spring Boot + OpenAI 打造聊天应用全攻略 |
| 3 | 大模型之Spring AI实战系列（三）：Spring Boot + OpenAI 实现聊天应用上下文记忆功能 |
| 4 | 大模型之Spring AI实战系列（四）：Spring Boot + OpenAI 使用OpenAI Embedding实现文本向量化 |
| 5 | 大模型之Spring AI实战系列（五）：Spring Boot + OpenAI 构建带角色设定的智能对话系统 |
目录
- 系列篇章💥
- 前言
- 一、开发环境准备
- （一）Java 版本要求
- （二）Maven 构建工具
- （三）OpenAI API 密钥
- 二、POM依赖引入
- （一）Spring AI与OpenAI集成依赖包
- （二）SpringAI相关依赖包版本管理
- 三、配置文件详解
- 四、核心代码详解
- （一）Application启动类
- （二）带角色设定的聊天控制器
- （三）带角色设定的聊天接口 `/prompt`
- 五、部署与测试
- （一）启动应用
- （二）测试接口
- 六、系统提示词设计与作用
- （一）什么是系统提示词？
- （二）系统提示词的作用
- 七、多轮对话与上下文维护
- 八、应用场景与进阶思路
- （一）构建个性化 AI 角色
- （二）多角色动态切换
- （三）结合 Function Calling 实现插件化功能
- （四）引入模板引擎优化提示词生成
- 结语
前言
在上一篇文章中，我们学习了如何使用 Spring AI 集成 OpenAI 的 Embedding API 实现文本向量化，并探讨了其在语义搜索、RAG 系统等场景中的应用。本文将继续深入 Spring AI 的能力栈，聚焦于系统提示词（System Prompt）的设计与实现。
我们将基于 spring-ai-openai-systemPrompt 示例项目，详细介绍如何通过设定 AI 的人格、语气和行为模式，打造一个风格统一、形象鲜明的智能对话系统。该项目不仅展示了如何构建具有“人设”的聊天机器人，还提供了完整的上下文管理机制，为后续开发更复杂的交互式 AI 应用打下坚实基础。
一、开发环境准备
（一）Java 版本要求
本项目采用Java 17进行编译和运行，请务必确保你的开发环境已成功安装JDK 17。你可以在命令行中输入以下命令进行检查：
java -version
输出应类似如下内容：
openjdk version "17.0.8" 2023-07-18 OpenJDK Runtime Environment (build 17.0.8+7) OpenJDK 64-Bit Server VM (build 17.0.8+7, mixed mode, sharing)
（二）Maven 构建工具
确保你已安装 Maven 并配置好环境变量：
mvn -v
输出应类似如下内容：
Apache Maven 3.8.8 (4c87b05d9aedce574290d1acc98575ed5eb6cd39) Maven home: D:\Program Files (x86)\apache-maven-3.8.8 Java version: 17.0.12, vendor: Oracle Corporation, runtime: D:\Program Files\jdk-17.0.12 Default locale: zh_CN, platform encoding: GBK OS name: "windows 10", version: "10.0", arch: "amd64", family: "windows"
（三）OpenAI API 密钥
你需要注册 OpenAI 官网 获取 API Key（国内可以直接使用中转地址），并设置为环境变量：
export OPENAI_API_KEY="your_openai_api_key" export OPENAI_API_URL="https://api.openai.com/v1"
注意：出于安全考虑，不建议将密钥硬编码在代码中，推荐使用环境变量或配置中心进行管理。
二、POM依赖引入
（一）Spring AI与OpenAI集成依赖包
org.springframework.ai spring-ai-starter-model-openai此依赖包用于实现Spring AI与OpenAI的集成，为后续与OpenAI API进行交互提供了必要的支持。
（二）SpringAI相关依赖包版本管理
版本管理
org.springframework.ai spring-ai-bom 1.0.0-SNAPSHOT pom import部分通过引入spring-ai-bom，实现了对SpringAI相关依赖包版本的统一管理。这样，在项目中使用Spring AI相关依赖时，无需在每个依赖声明中单独指定版本号，只需遵循spring-ai-bom中定义的版本即可，极大地简化了依赖管理工作，同时确保了项目中依赖版本的一致性和稳定性。
三、配置文件详解
在配置文件 application.yml 中，对 OpenAI 相关参数进行配置：
server: port: 8884 spring: ai: openai: base-url: ${OPENAI_API_URL} api-key: ${OPENAI_API_KEY} chat: options: model: gpt-3.5-turbo temperature: 0.7- base-url 和 api-key：从环境变量注入，增强配置的安全性，避免密钥在代码中硬编码带来的风险。
- model：指定默认使用的模型版本为 gpt-3.5-turbo。
- temperature：控制输出的随机性，取值范围通常在 0 到 1 之间，数值越高，生成的回复越随机。
四、核心代码详解
（一）Application启动类
这是 Spring Boot 的启动类，非常简洁：
@SpringBootApplication public class SpringAiApplication { public static void main(String[] args) { SpringApplication.run(SpringAiApplication.class, args); } }Spring Boot会自动扫描并加载所有的Controller、Service等Bean，为项目的启动和运行奠定基础。它通过@SpringBootApplication注解开启了Spring Boot的自动配置功能，使得项目能够快速搭建起一个完整的Spring应用环境。
（二）带角色设定的聊天控制器
该类使用 OpenAiChatModel 接口来实现带有系统提示的角色化聊天功能。
@RestController @RequestMapping("/system") public class SystemPromptController { // 提示词，定义了AI的角色和回复风格 private final String systemPrompt = "..."; // 历史消息列表 private List historyMessage = new ArrayList(List.of(new SystemMessage(systemPrompt))); // 聊天模型 private final OpenAiChatModel chatModel; @Autowired public SystemPromptController(OpenAiChatModel chatModel) { this.chatModel = chatModel; } // 方法实现省略... }（三）带角色设定的聊天接口 /prompt
@GetMapping("/prompt") public AssistantMessage prompt(@RequestParam String prompt) { historyMessage.add(new UserMessage(prompt)); if (historyMessage.size() > maxLen) { historyMessage = historyMessage.subList(historyMessage.size() - maxLen - 1, historyMessage.size()); historyMessage.add(0, new SystemMessage(systemPrompt)); // 保留系统提示 } ChatResponse chatResponse = chatModel.call(new Prompt(historyMessage)); AssistantMessage assistantMessage = chatResponse.getResult().getOutput(); historyMessage.add(assistantMessage); return assistantMessage; }- 将用户输入作为 UserMessage 添加到历史记录中。
- 如果历史记录超过最大长度，则截取最近的记录，并确保始终保留 SystemMessage。
- 使用 Prompt 构造器将整个历史记录封装后发送给 OpenAI。
- 获取 AI 回复后，将其作为 AssistantMessage 加入历史记录。
- 返回值为 AssistantMessage，包含完整的回复内容。
五、部署与测试
（一）启动应用
可以直接基于IntelliJ IDEA启动并运行Spring Boot应用程序，也可以进入项目根目录，执行 mvn clean package 进行打包，之后采用 java -jar xxx.jar 命令进行部署运行。运行成功后，应用将在 http://localhost:8884 启动。
（二）测试接口
你可以使用 Postman、curl 或浏览器访问以下接口：
- 发起提问：GET /system/prompt?prompt=今天心情不好怎么办？
观察是否能正确返回符合“幽默段子手”人设的回复，例如：
{"content":"别担心，人生就像一局王者荣耀，有时候顺风，有时候逆风，但只要坚持到最后，总能翻盘！"}六、系统提示词设计与作用
（一）什么是系统提示词？
系统提示词（System Prompt）是指在每次对话开始时，预先设定的一段文本，用于指导 AI 的行为、语气、知识范围等。它决定了 AI 的“性格”、“态度”和“表达方式”。
例如，在本项目中，我们设定了一位幽默段子手的人设：
private final String systemPrompt = "你现在是一个幽默段子手...即使面对批评，你都要保持幽默感...";
这样，无论用户问什么问题，AI 都会以搞笑段子的形式作答，从而形成一致的风格。
（二）系统提示词的作用
作用 描述 人格设定 让 AI 具备特定的性格特征，如幽默、严肃、专业等 语气控制 控制 AI 的说话风格，如正式、亲切、轻松等 行为引导 指导 AI 在面对不同问题时的回应方式，避免跑题或偏离预期 知识边界 设定 AI 的回答范围，防止提供错误或不合适的信息 七、多轮对话与上下文维护
为了保证 AI 的回复连贯性，我们在每次请求中都维护了一个历史消息列表 [historyMessage]，其中第一个元素始终是 SystemMessage，其余为 UserMessage 和 AssistantMessage。
当历史记录超过预设的最大长度（默认 1000 条）时，会进行裁剪，同时确保系统提示词不会丢失。
这种设计可以有效提升 AI 对话的逻辑性和一致性，适用于客服机器人、虚拟助手、情感陪伴等需要长期互动的场景。
八、应用场景与进阶思路
（一）构建个性化 AI 角色
你可以根据业务需求自定义 AI 的人设，比如：
- 职场导师：提供职业发展建议；
- 情感陪伴：模拟朋友或恋人；
- 知识讲解员：用通俗语言解释复杂概念；
- 客服代表：标准化回复 + 情绪安抚。
只需修改 [systemPrompt]内容即可快速切换角色。
（二）多角色动态切换
如果你希望同一个聊天界面支持多个角色切换（例如用户可选择“客服”或“搞笑助手”），可以通过参数传递不同的 [systemPrompt]，并在服务端动态构造 Prompt。
（三）结合 Function Calling 实现插件化功能
Spring AI 支持结合 FunctionCalling 功能，让 AI 根据用户意图调用外部 API 或业务逻辑。例如：
- 用户说：“帮我查一下天气”，AI 自动调用天气查询插件；
- 用户说：“讲个笑话”，AI 切换为段子模式；
- 用户说：“我心情不好”，AI 切换为情感陪伴模式。
（四）引入模板引擎优化提示词生成
对于复杂的提示词构造，可以引入模板引擎（如 Thymeleaf、Freemarker、Handlebars）动态生成 [systemPrompt]，使其更具灵活性和扩展性。
例如：
String systemPrompt = templateEngine.process("roleTemplate", context);结语
通过本文的实践，我们掌握了如何在 Spring AI 中使用 OpenAiChatModel 和 SystemMessage 构建带角色设定的智能对话系统，理解了系统提示词对 AI 行为的重要影响，并探索了其在个性化 AI、多角色切换、插件集成等场景下的应用潜力。在下一篇文章中，我们将继续深入 Spring AI 的能力，介绍如何使用 PromptTemplate 构建动态提示词。
若您对本文介绍的技术内容感兴趣，希望进一步探索和实践，欢迎关注我，通过私信的方式与我联系，获取完整的项目代码，开启您的 Spring AI 开发之旅。
🎯🔖更多专栏系列文章：AI大模型提示工程完全指南、AI大模型探索之路（零基础入门）、AI大模型预训练微调进阶、AI大模型开源精选实践、AI大模型RAG应用探索实践🔥🔥🔥 其他专栏可以查看博客主页📑
😎 作者介绍：资深程序老猿，从业10年+、互联网系统架构师，目前专注于AIGC的探索（CSDN博客之星|AIGC领域优质创作者）
📖专属社群：欢迎关注【小兵的AI视界】公众号或扫描下方👇二维码，回复‘入群’ 即刻上车，获取邀请链接。
💘领取三大专属福利：1️⃣免费赠送AI+编程📚500本，2️⃣AI技术教程副业资料1套，3️⃣DeepSeek资料教程1套🔥（限前500人）
如果文章内容对您有所触动，别忘了点赞、⭐关注，收藏！加入我们，一起携手同行AI的探索之旅，开启智能时代的大门！
- 发起提问：GET /system/prompt?prompt=今天心情不好怎么办？
