platform/spring-ai-demo

Fork 0

Files

limqsh 69c5aacdc8 Initial commit: Fintec AI Framework with Agent, RAG, and MCP modules

2026-04-27 18:11:16 +08:00

12 KiB

Raw Blame History

API 参考文档

📚 模块索引

AgentTemplate API
RagTemplate API
GraphTemplate API
配置项说明

AgentTemplate API

类说明

com.ccb.fintec.agent.template.AgentTemplate

封装 Spring AI ChatClient 的常用调用模式,提供简洁的对话能力。

构造方法

public AgentTemplate(ChatClient chatClient)

参数:

chatClient: Spring AI 聊天客户端(由自动配置提供)

方法列表

1. ask(String question)

简单问答

签名:

public String ask(String question)

参数:

question: 用户问题

返回: AI 的回答

示例:

String answer = agentTemplate.ask("什么是Spring AI?");

2. ask(String systemPrompt, String question)

带系统提示的问答

签名:

public String ask(String systemPrompt, String question)

参数:

systemPrompt: 系统提示词,定义 AI 角色和行为
question: 用户问题

返回: AI 的回答

示例:

String answer = agentTemplate.ask(
    "你是一位专业的Java工程师",
    "如何优化Stream性能?"
);

3. askWithTools(String question, Object... toolObjects)

带工具调用的问答

签名:

public String askWithTools(String question, Object... toolObjects)

参数:

question: 用户问题
toolObjects: 包含 @Tool 注解的对象

返回: AI 的回答(可能包含工具调用结果)

示例:

@Service
public class WeatherService {
    @Tool(description = "查询天气")
    public String getWeather(String city) {
        return weatherApi.query(city);
    }
}

// 使用
String answer = agentTemplate.askWithTools(
    "北京今天天气怎么样?",
    new WeatherService()
);

4. askForObject(String question, Class responseType)

结构化输出

签名:

public <T> T askForObject(String question, Class<T> responseType)

参数:

question: 用户问题
responseType: 期望的返回类型

返回: 解析后的 Java 对象

示例:

@Data
public class PersonInfo {
    private String name;
    private Integer age;
    private String email;
}

PersonInfo info = agentTemplate.askForObject(
    "从以下文本提取个人信息: 我叫张三,今年25岁,邮箱zhangsan@example.com",
    PersonInfo.class
);

5. stream(String question)

流式输出

签名:

public Flux<String> stream(String question)

参数:

question: 用户问题

返回: 响应式流,逐块返回 AI 回答

示例:

@GetMapping(value = "/chat/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<ServerSentEvent<String>> streamChat(String message) {
    return agentTemplate.stream(message)
        .map(chunk -> ServerSentEvent.builder(chunk).build());
}

6. streamWithMemory(String conversationId, String question)

带记忆的流式输出

签名:

public Flux<String> streamWithMemory(String conversationId, String question)

参数:

conversationId: 会话ID
question: 用户问题

返回: 响应式流

示例:

Flux<String> response = agentTemplate.streamWithMemory(
    "user_123_session_456",
    "我刚才问了什么?"
);

7. askWithMemory(String conversationId, String question)

带记忆的多轮对话

签名:

public String askWithMemory(String conversationId, String question)

参数:

conversationId: 会话ID
question: 用户问题

返回: AI 的回答

示例:

// 第一轮
String answer1 = agentTemplate.askWithMemory("session_001", "我叫张三");

// 第二轮(AI 记得用户的名字)
String answer2 = agentTemplate.askWithMemory("session_001", "我叫什么名字?");
// 回答: "你叫张三"

RagTemplate API

类说明

com.ccb.fintec.rag.template.RagTemplate

封装检索增强生成(RAG)能力,基于向量数据库实现知识库问答。

构造方法

public RagTemplate(ChatClient chatClient, VectorStore vectorStore)

参数:

chatClient: Spring AI 聊天客户端
vectorStore: 向量数据库

方法列表

1. ask(String question)

基于知识库问答

签名:

public String ask(String question)

参数:

question: 用户问题

返回: 基于知识库的回答

示例:

String answer = ragTemplate.ask("公司的报销流程是什么?");

2. stream(String question)

基于知识库的流式问答

签名:

public Flux<String> stream(String question)

参数:

question: 用户问题

返回: 响应式流

示例:

@GetMapping(value = "/rag/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux<ServerSentEvent<String>> streamRag(String question) {
    return ragTemplate.stream(question)
        .map(chunk -> ServerSentEvent.builder(chunk).build());
}

3. askWithMemory(String conversationId, String question)

带记忆的 RAG 问答

签名:

public String askWithMemory(String conversationId, String question)

参数:

conversationId: 会话ID
question: 用户问题

返回: 基于知识库的回答

示例:

String answer = ragTemplate.askWithMemory("session_001", 
    "结合我之前的问题,再详细解释一下");

4. askWithConfig(String question, double similarityThreshold, int topK)

自定义检索参数的 RAG 问答

签名:

public String askWithConfig(String question, double similarityThreshold, int topK)

参数:

question: 用户问题
similarityThreshold: 相似度阈值(0.0-1.0),越高越严格
topK: 返回最相关的 K 个文档片段

返回: 基于知识库的回答

示例:

// 高精度模式: 只返回非常相关的内容
String answer = ragTemplate.askWithConfig(question, 0.9, 3);

// 召回模式: 返回更多相关内容
String answer = ragTemplate.askWithConfig(question, 0.6, 10);

GraphTemplate API

类说明

com.ccb.fintec.graph.template.GraphTemplate

提供工作流编排能力,支持顺序、并行、路由、循环等模式。

静态方法

1. sequential(Node... nodes)

创建顺序工作流

签名:

public static SequentialWorkflow sequential(Node<?, ?>... nodes)

参数:

nodes: 按顺序执行的节点数组

返回: 顺序工作流实例

示例:

SequentialWorkflow workflow = GraphTemplate.sequential(
    GraphTemplate.node("清洗", text -> text.trim()),
    GraphTemplate.node("翻译", text -> translate(text)),
    GraphTemplate.node("总结", text -> summarize(text))
);

String result = workflow.execute(input);

2. parallel(Node... nodes)

创建并行工作流

签名:

public static ParallelWorkflow parallel(Node<?, ?>... nodes)

参数:

nodes: 并行执行的节点数组

返回: 并行工作流实例

示例:

ParallelWorkflow workflow = GraphTemplate.parallel(
    GraphTemplate.node("情感分析", text -> sentiment(text)),
    GraphTemplate.node("关键词提取", text -> keywords(text)),
    GraphTemplate.node("分类", text -> classify(text))
);

List<String> results = workflow.execute(input);

3. routing()

创建路由工作流构建器

签名:

public static RoutingWorkflow routing()

返回: 路由工作流构建器

示例:

RoutingWorkflow workflow = GraphTemplate.routing()
    .addBranch("技术", 
        Condition.of(ctx -> ((String)ctx).contains("技术")),
        GraphTemplate.node("技术回答", q -> techAnswer(q)))
    .addBranch("业务",
        Condition.of(ctx -> ((String)ctx).contains("业务")),
        GraphTemplate.node("业务回答", q -> businessAnswer(q)))
    .setDefault(GraphTemplate.node("通用回答", q -> generalAnswer(q)));

String result = workflow.execute(question);

4. loop(Node node, Condition condition, int maxIterations)

创建循环工作流

签名:

public static LoopWorkflow loop(Node<?, ?> node, Condition condition, int maxIterations)

参数:

node: 要循环执行的节点
condition: 继续循环的条件(返回 true 则继续)
maxIterations: 最大迭代次数(防止死循环)

返回: 循环工作流实例

示例:

LoopWorkflow workflow = GraphTemplate.loop(
    GraphTemplate.node("优化", text -> optimize(text)),
    Condition.of(result -> !isSatisfactory((String)result)),
    5  // 最多迭代5次
);

String result = workflow.execute(initialText);

5. node(String name, Function<I, O> function)

创建工作流节点

签名:

public static <I, O> Node<I, O> node(String name, Function<I, O> function)

参数:

name: 节点名称(用于调试和日志)
function: 节点执行逻辑

返回: 节点实例

示例:

Node<String, String> node = GraphTemplate.node(
    "数据转换",
    data -> data.toUpperCase()
);

配置项说明

核心配置 (app.ai.*)

安全防护 (app.ai.safety.*)

配置项	类型	默认值	说明
`enabled`	Boolean	true	是否启用安全防护
`block-keywords`	List	[]	敏感词列表

示例:

app:
  ai:
    safety:
      enabled: true
      block-keywords:
        - 暴力
        - 色情
        - 赌博

功能说明:

双向检查：拦截请求和响应中的敏感内容
大小写不敏感：自动转小写匹配
发现敏感词时抛出 AiException 异常

限流配置 (app.ai.rate-limit.*)

配置项	类型	默认值	说明
`max-requests-per-minute`	Integer	60	每分钟最大请求数

示例:

app:
  ai:
    rate-limit:
      max-requests-per-minute: 100

重试策略 (app.ai.retry.*)

配置项	类型	默认值	说明
`enabled`	Boolean	true	是否启用重试
`max-attempts`	Integer	3	最大重试次数
`backoff-ms`	Long	1000	重试间隔(毫秒)

示例:

app:
  ai:
    retry:
      enabled: true
      max-attempts: 5
      backoff-ms: 2000

功能说明:

自动处理网络波动、临时故障
记录重试日志，方便问题排查
支持固定退避时间

Spring AI 配置 (spring.ai.*)

OpenAI 配置

配置项	类型	默认值	说明
`spring.ai.openai.api-key`	String	-	API Key
`spring.ai.openai.base-url`	String	https://api.openai.com/v1	API 地址
`spring.ai.openai.chat.options.model`	String	gpt-3.5-turbo	模型名称
`spring.ai.openai.chat.options.temperature`	Double	0.7	温度参数(0-1)
`spring.ai.openai.chat.options.max-tokens`	Integer	-	最大输出 Token 数

示例:

spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
      base-url: https://api.openai.com/v1
      chat:
        options:
          model: gpt-4-turbo
          temperature: 0.8
          max-tokens: 2048

Ollama 配置(本地模型)

配置项	类型	默认值	说明
`spring.ai.ollama.base-url`	String	http://localhost:11434	Ollama 地址
`spring.ai.ollama.chat.options.model`	String	llama3	模型名称

示例:

spring:
  ai:
    ollama:
      base-url: http://localhost:11434
      chat:
        options:
          model: qwen:7b

通义千问配置

配置项	类型	默认值	说明
`spring.ai.dashscope.api-key`	String	-	API Key
`spring.ai.dashscope.chat.options.model`	String	qwen-plus	模型名称

示例:

spring:
  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY}
      chat:
        options:
          model: qwen-max

数据类型参考

Node 接口

@FunctionalInterface
public interface Node<I, O> {
    O execute(I input);
    
    default String getName() {
        return this.getClass().getSimpleName();
    }
    
    static <I, O> Node<I, O> of(String name, Function<I, O> function) {
        return new SimpleNode<>(name, function);
    }
}

Condition 接口

@FunctionalInterface
public interface Condition {
    boolean evaluate(Object context);
    
    static Condition of(Predicate<Object> predicate) {
        return predicate::test;
    }
}

12 KiB Raw Blame History

API 参考文档

📚 模块索引

AgentTemplate API

类说明

构造方法

方法列表

1. ask(String question)

2. ask(String systemPrompt, String question)

3. askWithTools(String question, Object... toolObjects)

4. askForObject(String question, Class responseType)

5. stream(String question)

6. streamWithMemory(String conversationId, String question)

7. askWithMemory(String conversationId, String question)

RagTemplate API

类说明

构造方法

方法列表

1. ask(String question)

2. stream(String question)

3. askWithMemory(String conversationId, String question)

4. askWithConfig(String question, double similarityThreshold, int topK)

GraphTemplate API

类说明

静态方法

1. sequential(Node... nodes)

2. parallel(Node... nodes)

3. routing()

4. loop(Node node, Condition condition, int maxIterations)

5. node(String name, Function<I, O> function)

配置项说明

核心配置 (app.ai.*)

安全防护 (app.ai.safety.*)

限流配置 (app.ai.rate-limit.*)

重试策略 (app.ai.retry.*)

Spring AI 配置 (spring.ai.*)

OpenAI 配置

Ollama 配置(本地模型)

通义千问配置

数据类型参考

Node 接口

Condition 接口

12 KiB

Raw Blame History