Prompt 是引导 AI 模型生成特定输出的输入格式，Prompt 的设计和措辞会显著影响模型的响应。

最开始Prompt只是单纯的文本文字，后面可以包含占位符，可以识别消息的角色。

比如包含占位符的Prompt,也就是我们讲的消息模板(PromptTemplate)，可以通过消息模板动态创建Prompt.

@RestController
@RequestMapping("/ai/v1")
public class PromptController {@Autowiredprivate ChatModel chatModel;@RequestMapping("/prompt/chat")public String chat(String role,String input) {PromptTemplate promptTemplate = new PromptTemplate("现在你作为一个${role},请根据你的专业知识回答我的问题，" +"如果不是你的专业领域的请拒绝回答，直接说不知道，不要做任何解释，" +"好的，接下来请回答我的问题：${input}");Prompt prompt = promptTemplate.create(Map.of("role", role, "input", input));return chatModel.call(prompt).getResult().getOutput().getContent();}
}

识别消息的角色:

Prompt 中的主要角色（Role）包括：

• 系统角色（System Role）：指导 AI 的行为和响应方式，设置 AI 如何解释和回复输入的参数或规则。这类似于在发起对话之前向 AI 提供说明。
• 用户角色（User Role）：代表用户的输入 - 他们向 AI 提出的问题、命令或陈述。这个角色至关重要，因为它构成了 AI 响应的基础。
• 助手角色（Assistant Role）：AI 对用户输入的响应。这不仅仅是一个答案或反应，它对于保持对话的流畅性至关重要。通过跟踪 AI 之前的响应（其“助手角色”消息），系统可确保连贯且上下文相关的交互。助手消息也可能包含功能工具调用请求信息。它就像 AI 中的一个特殊功能，在需要执行特定功能（例如计算、获取数据或不仅仅是说话）时使用。
• 工具/功能角色（Tool/Function Role）：工具/功能角色专注于响应工具调用助手消息返回附加信息。

 Prompt 类充当有组织的一系列 Message 对象和请求 ChatOptions 的容器。每条消息在提示中都体现了独特的角色，其内容和意图各不相同。这些角色可以包含各种元素，从用户查询到 AI 生成的响应再到相关背景信息。这种安排可以实现与 AI 模型的复杂而详细的交互，因为提示是由多条消息构成的，每条消息都被分配了在对话中扮演的特定角色。

比如下面的Demo:

@RequestMapping("/prompt/chat1")public String chat1(String input){UserMessage userMessage = new UserMessage(input);SystemMessage systemMessage = new SystemMessage("你是一个助手，请回答我的问题");Prompt prompt = new Prompt(systemMessage, userMessage);return chatModel.call(prompt).getResult().getOutput().getContent();}

 SystemMessage,UserMessage都代表了不同角色的Message,Prompt可以区分不同的角色消息

Message又有一个消息类型

MessageType是一个枚举类