上节我们介绍了提示词工程，并通过设定SystemMessage获得了一个会骂人的AI。而本节介绍的内容仍然与提示词有关。
Spring AI为我们提供了提示词模板，允许我们通过一些模板，快速地动态生成提示词并发起提问。除此之外，我们还能使用Spring AI为我们提供的输出解析器将AI回复的内容解析为Bean对象。
PromptTemplate能够帮助我们创建结构化提示词，是Spring AI提示词工程中的关键组件，该类实现了三个接口：PromptTemplateStringActions、PromptTemplateActions和PromptTemplateMessageActions,这些接口的主要功能也有所不同：
PromptTemplateStringActions: 主要用于创建和渲染提示词字符串，接口的返回值类型均是String类型，这是提示词的基本形式。PromptTemplateActions: 主要用于创建Prompt对象，该对象可直接传递给ChatClient以生成响应。PromptTemplateMessageActions：主要用于创建Message对象，这允许我们针对Message对象进行其他的相关操作。
例如，我们想定义一个这样的提示词：提供作者姓名，返回该作者最受欢迎的书，出版时间和书的内容概述。
@GetMapping("/template")
public String promptTemplate(String author){
// 提示词
final String template = "请问{author}最受欢迎的书是哪本书？什么时候发布的？书的内容是什么？";
PromptTemplate promptTemplate = new PromptTemplate(template);
// 动态地将author填充进去
Prompt prompt = promptTemplate.create(Map.of("author", author));
ChatResponse chatResponse = chatClient.call(prompt);
AssistantMessage assistantMessage = chatResponse.getResult().getOutput();
return assistantMessage.getContent();
}
我们除了可以通过定义字符串加载Template以外，我们还可以以Resource的形式加载Template，例如，我们在resouces下创建prompt.st(文件后缀名合理即可)，将刚刚的提示词模板写入到该文件中。
package com.ningning0111.controller;
import org.springframework.ai.chat.ChatClient;
import org.springframework.ai.chat.ChatResponse;
import org.springframework.ai.chat.messages.AssistantMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.ai.chat.prompt.PromptTemplate;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.core.io.Resource;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.Map;
@RestController
public class ChatController {
private final ChatClient chatClient;
@Value("classpath:prompt.st")
private Resource templateResource;
public ChatController(ChatClient chatClient) {
this.chatClient = chatClient;
}
@GetMapping("/template")
public String promptTemplate(String author){
// 提示词
PromptTemplate promptTemplate = new PromptTemplate(templateResource);
// 动态地将author填充进去
Prompt prompt = promptTemplate.create(Map.of("author", author));
ChatResponse chatResponse = chatClient.call(prompt);
AssistantMessage assistantMessage = chatResponse.getResult().getOutput();
return assistantMessage.getContent();
}
} 上面已经将Prompt的使用介绍得比较清楚了，接着我们可以使用Prompt来创建一个代码生成器的接口,通过传入描述消息、语言信息和方法名称来得到响应代码。提示词模板code.st文件内容如下：
/**
* @language {language}
* @method {methodName}
* @describe {description}
*
*/接口代码如下：
@Value("classpath:code.st")
private Resource codeTemplate;
@GetMapping("/code")
public String generateCode(@RequestParam String description, @RequestParam String language, @RequestParam String methodName) {
PromptTemplate promptTemplate = new PromptTemplate(codeTemplate);
Prompt prompt = promptTemplate.create(
Map.of("description", description, "language", language, "methodName", methodName)
);
ChatResponse chatResponse = chatClient.call(prompt);
AssistantMessage assistantMessage = chatResponse.getResult().getOutput();
return assistantMessage.getContent();
}效果如下：
在设计代码生成器接口时，我们还可以提供我们项目代码的上下文信息，这样，AI就能根据我们项目里的代码信息，更加准确的生成我们可使用的业务代码了。
Spring AI不仅为我们提供了PromptTemplate让我们快速的构建用于输入AI的提示词，还为我们提供了OutputParser解析器，该解析器可以将AI生成的内容解析为Java Bean对象。该解析器类似于ORM框架中的Mapper，将AI的生成内容映射为Java对象。
OutputParser结合了Parser<T>和FormatProvider。
FormatProvider接口用于提供一些文本指令，来限制AI的输出格式，这里就用到了提示词，我们可以通过阅读源码来查看Spring AI内部设定的相关提示词：
Parser<T>接口用于解析AI生成的内容并将其转换为Java对象返回。
在Spring AI中，OutputParser接口有三个具体的实现类：
BeanOutputParser: 通过让AI生成JSON格式的文本，然后通过JSON反序列化为Java对象返回；MapOutputParser: 与BeanOutputParser的功能类似，但会将JSON反序列化为Map对象；ListOutputParser: 让AI生成以逗号分隔的列表；
一般的，我们会先使用**FormatProvider**获取输出限制的提示词对AI生成的文本格式进行限制，然后用**Parser<T>**来解析我们生成的内容作为一个Bean对象。
接下来将主要演示下BeanOutputParser解析器的使用。
功能描述：通过传入作者名称，返回包含作者名、该作者最受欢迎的书的名称，出版时间以及书中内容描述的Java对象。 定义一个Book类，创建构造器和相关Get、Set方法：
package com.ningning0111.model;
public class Book {
private String author;
private String bookName;
private String publishedDate;
private String description;
public Book(){};
public String getBookName() {
return bookName;
}
public void setBookName(String bookName) {
this.bookName = bookName;
}
public Book(String author, String publishedDate, String description, String bookName) {
this.author = author;
this.publishedDate = publishedDate;
this.description = description;
this.bookName = bookName;
}
public String getAuthor() {
return author;
}
public String getPublishedDate() {
return publishedDate;
}
public String getDescription() {
return description;
}
public void setAuthor(String author) {
this.author = author;
}
public void setPublishedDate(String publishedDate) {
this.publishedDate = publishedDate;
}
public void setDescription(String description) {
this.description = description;
}
}接口代码：
@GetMapping("/bean")
public Book getBookByAuthor(String author) {
final String template = """
请告诉我{author}最受欢迎的书是哪本？什么时间出版的？书的内容描述了什么？
{format}
""";
// 定义一个输出解析器
OutputParser<Book> bookParser = new BeanOutputParser<>(Book.class);
PromptTemplate promptTemplate = new PromptTemplate(template);
Prompt prompt = promptTemplate.create(Map.of("author", author, "format", bookParser.getFormat()));
ChatResponse chatResponse = chatClient.call(prompt);
AssistantMessage assistantMessage = chatResponse.getResult().getOutput();
// 解析为一个Bean对象
Book book = bookParser.parse(assistantMessage.getContent());
return book;
}
可以看到，我们通过提示词对AI生成的内容格式进行限制后，就能很轻松地将输出内容转换为Java对象供我们使用了。