我的前面一篇文章（SpringAI——ChatClient配置与使用）中讲了ChatClient，它是一个构建于 ChatModel 之上的高层封装，它提供了更丰富的对话交互能力。可以这么说ChatModel相当于发动机，ChatClient相当于一台含有发动机、方向盘、座椅等的一台可以由驾驶员操控的的完整的车。

什么是 Chat Model？

 Chat Model 是 Spring AI 定义的文本对话模型接口，抽象了应用与大模型的交互逻辑,对话模型，接收一系列消息（Message）作为输入，与模型 LLM 服务进行交互，并接收返回的聊天消息（Chat Message）作为输出：

    输入 ：使用 Prompt封装用户输入,，支持纯文本及多角色对话（如系统指令、用户问题）。

    输出 ：通过 ChatResponse 返回结构化结果，包含模型生成的文本内容及元数据（如 Token 消耗）。

ChatModel工作原理

1. 模型封装与适配层：ChatModel 是一个统一接口层，它的作用是将不同平台的语言模型（如 OpenAI、阿里云 DashScope、百度文心一言、自建模型等）统一抽象为相同的调用方式。
2. 核心方法说明：支持同步调用和流式调用
3. 内部工作机制流程图

  

 ChatModel 的核心组件解析

1. Message：对话的基本单元

Spring AI 使用 Message 表示对话中的每一条消息，包括：

• 系统提示词：SystemMessage
• 用户输入：UserMessage
• 模型输出：AssistantMessage

2. ChatOptions：控制模型行为的参数   

 每个 ChatModel 实现都需要支持一组通用的配置参数，比如：temperature，maxTokens，topP，frequencyPenalty，presencePenalty
 

3. ChatResponse：模型输出的标准化封装

ChatModel的运用

ChatModel

文本聊天交互模型,支持纯文本格式作为输入，并将模型的输出以格式化文本形式返回。

spring-ai-alibaba-starter自动配置了ChatModel,所以使用的时候就直接引入就可以了。

chatModel.call()方法可以传入Prompt,Message集合，或者直接传入字符串。

首先是Prompt形式：

@RestController
@RequestMapping("/ai/v1")
public class ChatModelController {@Autowiredprivate ChatModel chatModel;@RequestMapping("/chatModel/chat")public String chat(String input) {ChatOptions options = ChatOptions.builder().temperature(0.9).maxTokens(1024).build();Prompt query = new Prompt(input,options);ChatResponse call = chatModel.call(query);return call.getResult().getOutput().getContent();}

我也可以是配置模型参数，通过 ChatOptions 在每次调用中调整模型参数 

Message形式：

@Autowiredprivate ChatModel chatModel;@RequestMapping("/chatModel/chat")public String chat(String input) {UserMessage userMessage = new UserMessage(input);SystemMessage systemMessage = new SystemMessage("你作为一个资深的java程序员，请根据你的专业知识回答下面问题，如果不是你专业范围内的问题，请直接说不知道，不要做任何解释：");return chatModel.call(userMessage,systemMessage);}

Message有不同的角色，其实现类有UserMessage,SystemMessage, AssistantMessage

结果：因为我通过SystemMessage限制了大模型的回答

字符串形式的我就不解释了，接下来我们看一下流式响应

ChatModel的流式响应

我是通过SseEmitter来实现服务器与客户端的单向通道消息推送，这里就不过多解释，如果不熟悉可以提前了解一下。

简单写一个SseEmitter的工具类：

@Component
@Slf4j
public class SSEUtils {private final Map<String, SseEmitter> pool = new ConcurrentHashMap<String, SseEmitter>();/*** sse发送消息** @param ids* @param content*/public void sendMessageBySSE(List<String> ids, String content) {log.info("SSE对象暂存池数据={}" ,pool );for (String id : ids) {SseEmitter sseEmitter = pool.get(id);if (sseEmitter == null) {
//0L表示一致存在sseEmitter = new SseEmitter(0L);
// sseEmitter.onCompletion(()->pool.remove(id));sseEmitter.onTimeout(() -> pool.remove(id));pool.put(id, sseEmitter);}try {sseEmitter.send(content);} catch (IOException e) {e.printStackTrace();}}}public SseEmitter subscribe(String id) {SseEmitter sseEmitter = pool.get(id);if (sseEmitter == null) {
//1000秒 3600000LsseEmitter = new SseEmitter(0L);
// sseEmitter.onCompletion(() -> pool.remove(id));sseEmitter.onTimeout(() -> pool.remove(id));pool.put(id, sseEmitter);}return sseEmitter;}public void loginOut(String id) {SseEmitter sseEmitter = pool.get(id);if (sseEmitter != null) {pool.remove(id);}}
}

 连接SSE的接口:

@RequestMapping("/ai/v1")
@RestController
public class SseController {@AutowiredSSEUtils sseUtils;@GetMapping(value = "/sse", produces = MediaType.TEXT_EVENT_STREAM_VALUE)public SseEmitter subscribe(@RequestParam("id") String id){return sseUtils.subscribe(id);}
}

 流式消息推送的接口：

@Autowired
SSEUtils sseUtils;@RequestMapping("/chatModel/stream")
public String chatStream(String id,String input) {Prompt query = new Prompt( input);Flux<ChatResponse> stream = chatModel.stream(query);// 订阅流并处理每个响应stream.subscribe(response -> {// 提取并打印响应内容String content = response.getResults().get(0).getOutput().getContent();sseUtils.sendMessageBySSE(Collections.singletonList(id),content);});return "success";}

使用apiPost 测试：

ImageModel

接收用户文本输入，并将模型生成的图片作为输出返回。

 @Autowiredprivate ImageModel imageModel;@RequestMapping("/chatModel/image")public String image(String input) throws IOException {ImageOptions options = ImageOptionsBuilder.builder().height(1024).width(1024).build();ImagePrompt query = new ImagePrompt(input,options);return  "redirect:" + imageModel.call(query).getResult().getOutput().getUrl();}

 ImageOptions 可以设置模型名称，图片的大小等。

AudioModel

接收用户文本输入，并将模型合成的语音作为输出返回。支持流式响应

文字转语音：

  @Autowiredprivate SpeechSynthesisModel speechModel;@RequestMapping("/chatModel/speech")public void speech(String input, HttpServletResponse response) throws IOException {SpeechSynthesisPrompt prompt = new SpeechSynthesisPrompt( input);SpeechSynthesisResponse call = speechModel.call(prompt);ByteBuffer audio = call.getResult().getOutput().getAudio();response.getOutputStream().write(audio.array());}

 语音转文字：

 @AutowiredAudioTranscriptionModel audioTranscriptionModel;@PostMapping("/chatModel/audio")public String audio2() throws IOException {Resource resource = new UrlResource("https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/paraformer/hello_world_female2.wav");DashScopeAudioTranscriptionOptions options = DashScopeAudioTranscriptionOptions.builder().withModel("sensevoice-v1").build();AudioTranscriptionPrompt query = new AudioTranscriptionPrompt(resource,options);return audioTranscriptionModel.call(query).getResult().getOutput();}