1. 从字符串拼接到工程化模板:PromptTemplate的进化之路
记得去年我刚接手公司AI客服系统重构时,看到代码库里密密麻麻的字符串拼接逻辑,差点当场崩溃。光是查询订单状态的Prompt就有20多个版本散落在不同Service类里,每次业务调整都要全局搜索修改。这种开发方式就像用记事本写长篇小说——没有章节结构、没有版本控制,最终必然陷入维护地狱。
Spring AI的PromptTemplate彻底改变了这种局面。它把Prompt从代码中的字符串常量变成了真正的工程化组件。最近在给某电商平台做架构咨询时,我们通过模板分层设计将200多个零散Prompt整合为15个基础模板,维护效率提升了8倍。举个例子,原来处理用户退货的代码是这样的:
java复制// 旧代码:字符串拼接方式
String generateReturnPrompt(String orderId, String reason) {
return "用户订单" + orderId + "申请退货,原因:\"" + reason
+ "\"。请根据退货政策判断是否接受,如接受需提供退货地址。";
}
现在用PromptTemplate重构后:
java复制// 新代码:模板工程化方式
@Repository
public class ReturnTemplate {
private final PromptTemplate template;
public ReturnTemplate() {
this.template = new PromptTemplate(
"用户订单{{orderId}}申请退货,原因:{{reason}}。\n" +
"请根据{{policyVersion}}退货政策判断是否接受," +
"#if({{isPremium}})优先处理VIP用户请求#end"
);
}
public Prompt generate(String orderId, String reason,
String policyVersion, boolean isPremium) {
Map<String, Object> params = Map.of(
"orderId", orderId,
"reason", reason,
"policyVersion", policyVersion,
"isPremium", isPremium
);
return template.create(params);
}
}
这种转变带来三个显著优势:首先,模板与业务逻辑解耦,产品经理可以直接修改模板文件而不用重新部署;其次,通过参数化设计,同一个模板能适应普通用户和VIP用户不同场景;最重要的是,所有Prompt变更现在可以通过Git进行版本管理,配合CI/CD流程实现自动化测试和发布。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 模板语法精要:从基础替换到复杂逻辑控制
2.1 变量注入的进阶技巧
很多开发者刚开始使用{{variable}}语法时,容易陷入两个误区:要么把所有参数都塞进一个Map导致难以维护,要么过度拆分模板失去复用性。经过多个项目实践,我总结出参数分层的黄金法则:
- 用户级参数:userId、userType等用户身份信息,建议通过ThreadLocal自动注入
- 会话级参数:当前对话状态、历史消息等,适合用ChatContext对象封装
- 业务级参数:订单ID、查询类型等具体业务字段,显式传入
java复制// 最佳实践示例
public class PromptParamBuilder {
// 自动注入用户基础信息
private final UserContext userContext;
public Map<String, Object> buildBaseParams() {
return Map.of(
"userId", userContext.getUserId(),
"userTier", userContext.g
