通义千问聊天

本章做两件事：

写一个更像“产品”的对话接口：支持 system 规则、支持自定义温度、支持简单的多轮上下文
把配置做成可切换：本地/测试/线上环境使用不同模型与参数

3.2 依赖与配置回顾

pom.xml 里至少需要：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

<dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
</dependency>

application.yml（建议从环境变量注入 Key）：

spring:
  ai:
    dashscope:
      api-key: ${AI_DASHSCOPE_API_KEY:}
      chat:
        options:
          model: ${DASHSCOPE_CHAT_MODEL:qwen-plus}
          temperature: ${DASHSCOPE_TEMPERATURE:0.2}
          max-tokens: ${DASHSCOPE_MAX_TOKENS:1024}

3.3 设计一个“可扩展”的对话 API

推荐用一个请求对象承载可选参数，而不是把所有东西塞到 query string：

package com.example.saa.api.dto;

import java.util.List;

public record ChatRequest(
        String message,
        String system,
        Double temperature,
        List<String> history
) {
}

返回对象也尽量结构化，为后面扩展 token、模型信息预留空间：

package com.example.saa.api.dto;

public record ChatResponse(
        String answer
) {
}

3.4 Controller：同步对话 + 简单多轮上下文

为了让示例“复制就能跑”，我们用最朴素的方式组织历史：把最近几轮对话拼进 prompt 的“上下文层”。真实生产中，你可以把 history 做成 Message 列表，或者接入持久化 Memory。

package com.example.saa.api;

import com.example.saa.api.dto.ChatRequest;
import com.example.saa.api.dto.ChatResponse;
import java.util.List;
import java.util.StringJoiner;
import org.springframework.ai.chat.client.ChatClient;
import org.springframework.http.MediaType;
import org.springframework.util.StringUtils;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class QwenChatController {

    private static final int MAX_HISTORY_ITEMS = 10;

    private final ChatClient chatClient;

    public QwenChatController(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    @PostMapping(value = "/chat", consumes = MediaType.APPLICATION_JSON_VALUE, produces = MediaType.APPLICATION_JSON_VALUE)
    public ChatResponse chat(@RequestBody ChatRequest request) {
        String system = StringUtils.hasText(request.system())
                ? request.system()
                : "你是一个严谨的Java助手，回答要先给结论再解释。";

        String userPrompt = buildUserPrompt(request.message(), request.history());

        String answer = chatClient.prompt()
                .system(system)
                .user(userPrompt)
                .call()
                .content();

        return new ChatResponse(answer);
    }

    private String buildUserPrompt(String message, List<String> history) {
        StringJoiner joiner = new StringJoiner("\n");
        if (history != null && !history.isEmpty()) {
            joiner.add("历史对话（按时间从旧到新，可能不完整）：");
            int from = Math.max(0, history.size() - MAX_HISTORY_ITEMS);
            for (int i = from; i < history.size(); i++) {
                joiner.add("- " + history.get(i));
            }
            joiner.add("当前问题：");
        }
        joiner.add(message == null ? "" : message);
        return joiner.toString();
    }
}

3.5 验证

启动服务后，用 curl 测一下：

curl -X POST http://localhost:8080/chat \
  -H 'Content-Type: application/json' \
  -d '{
    "system": "你是一个只回答中文的后端工程师助手。",
    "history": ["用户：我在做订单系统", "助手：好的，我们从领域模型开始"],
    "message": "请给出一个最小可行的订单状态机设计"
  }'

3.6 多环境配置：把“模型/参数”交给 profile

你可以拆分 application-dev.yml、application-prod.yml：

spring:
  ai:
    dashscope:
      chat:
        options:
          model: qwen-turbo
          temperature: 0.4

spring:
  ai:
    dashscope:
      chat:
        options:
          model: qwen-plus
          temperature: 0.2

启动时切换：

mvn spring-boot:run -Dspring-boot.run.profiles=dev

3.7 本章小结

你现在已经具备一条“可扩展”的对话链路：

请求对象承载可选参数与 history
Prompt 分层组织：system 规则 + history 上下文 + 当前问题
通过 profile 管理模型与参数，为后续“按任务选模型”打基础

下一章我们会把体验从“等结果”升级到“边生成边展示”：实现流式输出（SSE），并处理断线、取消与背压。点击这里👇🏻获取：100万QPS短链系统、复杂的商城微服务系统、智能翻译助手AI Agent、SaaS点餐系统、刷题吧小程序、商城系统、秒杀系统、AI项目、代码生成神器、苏三demo项目、智能天气播报AI Agent、智能代码审查AI Agent等 10 个项目的：项目源代码、开发教程和技术答疑