你在学习 Spring AI 的时候，肯定遇到过这三个类：ChatModel、Prompt、ChatResponse看着眼熟，却总搞不清谁负责干嘛、代码里为啥要这么写？

接下来就是我的理解。

一、先搞懂：这三个东西是什么关系？

在开始写代码前，我先在脑子里建立了一个超级简单的模型：

我想让 AI 回答问题 → 必须经过三步：

1. 我要把问题整理好 → 对应 Prompt
2. 我要一个能调用 AI 的工具 → 对应 ChatModel
3. AI 把答案返回给我 → 对应 ChatResponse

所以它们的关系是固定死的：

Prompt（提问） → ChatModel（发送） → ChatResponse（回答）

是不是一下就清晰了？下面我们一个一个拆开讲。

二、第一个核心：ChatModel —— 你调用 AI 的 “统一入口”

我的思考

我最开始好奇：Spring AI 怎么能同时支持豆包、OpenAI、通义千问、文心一言？

后来我才明白：它把所有模型的调用都抽象成了一个统一接口：ChatModel

也就是说：你写一套代码，切换模型只改配置，不用动业务代码。

这就是 Spring AI 的强大之处：统一 API。

代码

// 注入 Spring AI 提供的统一聊天模型
@Autowired
private ChatModel chatModel;

我理解的本质

• ChatModel 是一个接口，不是具体实现
• 底层可以是：OpenAiChatModel、DouBaoChatModel、TongYiChatModel 等
• 你不用关心底层是谁，统一用 chatModel.call () 就行

通俗一句话

ChatModel = 通往所有大模型的 “万能入口”

三、第二个核心：Prompt —— 你给 AI 的 “提问包裹”

我的思考

我一开始很傻：直接把字符串扔给模型不行吗？为什么要搞一个 Prompt 对象？

试了才知道：AI 不只需要 “问题”，还需要角色、上下文、历史对话。这些东西必须用一个结构化对象包装 → 这就是 Prompt。

最简单写法

Prompt prompt = new Prompt("解释一下 Kafka 增量聚合");

实用的写法

Prompt prompt = new Prompt(
    List.of(
        // 给AI设定角色
        new SystemMessage("你是一名Java后端工程师，回答通俗简洁"),
        // 用户真正的问题
        new UserMessage(question)
    )
);

为什么要这么写？

因为：

• SystemMessage：设定 AI 性格
• UserMessage：真正的问题
• 未来还能加 AssistantMessage：历史对话

Prompt = 给 AI 的完整指令包

四、第三个核心：ChatResponse —— AI 给你的 “答案包裹”

我的思考

我最开始以为返回的是字符串，结果发现是个对象：ChatResponse

AI 返回的不只是文字，还有：

• token 用量
• 模型信息
• 停止原因
• 多候选结果所以必须用一个对象封装。

代码怎么取答案？

// 调用AI
ChatResponse response = chatModel.call(prompt);

// 从返回结果里一层一层拆出内容
String answer = response
    .getResult()
    .getOutput()
    .getContent();

我的理解

• response：整个返回体
• getResult()：第一个结果（默认）
• getOutput()：AI 输出内容
• getContent()：真正的文字答案

五、三者整合：一段完整可运行代码

下面是我在真实项目里最常用的写法，你直接复制就能跑。

@Service
public class SpringAiDemoService {

    // 1. 注入统一聊天模型
    @Autowired
    private ChatModel chatModel;

    public String askAI(String question) {

        // 2. 构造 Prompt：角色 + 用户问题
        Prompt prompt = new Prompt(
            List.of(
                new SystemMessage("你是专业的Java技术顾问，回答通俗、详细、有逻辑"),
                new UserMessage(question)
            )
        );

        // 3. 通过 ChatModel 发送请求，得到 ChatResponse
        ChatResponse chatResponse = chatModel.call(prompt);

        // 4. 从响应中解析出最终回答
        return chatResponse
                .getResult()
                .getOutput()
                .getContent();
    }
}

我写这段代码时的思考过程

1. 先注入工具：ChatModel
2. 再整理问题：Prompt
3. 发送请求：call (prompt)
4. 接收答案：ChatResponse
5. 拆包拿内容：getContent ()

完全符合正常思考逻辑！

六、我总结的最通俗记忆法（背会就不会忘）

ChatModel   = 调用AI的工具（入口）
Prompt      = 你给AI的问题（输入）
ChatResponse= AI 返回的答案（输出）

固定公式：

ChatModel.call(Prompt) → ChatResponse