模組介紹

到目前為止我們做得比直接上 ChatGPT 發問還不如 XD，ChatGPT 起碼還能記住你是誰 XD(不信自己去問)，今天我們就來看看 ChatModel 還有哪些功能

下面是 ChatModel 的 UML，最基礎的功能就是前兩天的 call 與 stream，由圖中可看出要讓 ChatModel 有更強的應答能力，就得透過 Prompt，也就是你常聽到的提示詞，坊間甚至還有專門研究提示詞的提示詞工程，而 Prompt 元件正是來達成這個功能的

程式碼說明

Prompt

先來看看 Prompt 的程式碼，其實只包含了 ChatOptions 以及 Message，這也正是 ChatGPT 會這麼紅的原因，不用特別設定，輸入介面也是簡化到連阿嬤都會用

public class Prompt implements ModelRequest<List<Message>> {

    private final List<Message> messages;

    private ChatOptions modelOptions;

	@Override
	public ChatOptions getOptions() {..}

	@Override
	public List<Message> getInstructions() {...}

    // constructors and utility methods omitted
}

ChatOptions

先來看看比較簡單的 Chat Options，直譯就是聊天選項，諸如溫度、模型都可在這設定
下面流程圖中可以看到 Chat Options 可以在兩個地方設定

其一是在 ChatModel 中設定，稱為 Start-up options，這部分可直接設在 application.yml 中，配置時就會自動載入

另一個在 Prompt 中設定，稱為 Runtime options，這裡就需要在程式中透過 Prompt 設定，從流程圖中可以看到 Prompt 的 options 優先權比較大，會覆蓋 Model 所設定的 Start-up options，下面就是簡單的程式碼範例，連模型也能在執行時期切換

ChatResponse response = chatModel.call(
    new Prompt(
      	"可以分析輝達2024年的股價趨勢嗎?",
        OpenAiChatOptions.builder()
            .withModel("gpt-4o-mini")
            .withTemperature(0.4f)
        .build()
    ));

Message

Message 其實就是跟 AI 對話的內容，我們前面只使用 String 作為參數，但 Spring AI 最後還是包裝成 UserMessage 送出，下面是 Spring AI 的部分原始碼

	default String call(String message) {
		Prompt prompt = new Prompt(new UserMessage(message));
		Generation generation = call(prompt).getResult();
		return (generation != null) ? generation.getOutput().getContent() : "";
	}

來看看 UML 吧，Spring AI 實作的 Message 共四種，分別是 UserMessage、SystemMessage、AssistantMessage 以及 ToolResponseMessage

• UserMessage : 這個類別就是放 User 發送的訊息，由於多模態也包含多媒體檔案，所以這裡也能加入多筆 Media 資料
• SystemMessage : 這個類別是放系統提示詞，也是提示詞工程中要讓 AI 扮演某種腳色或輸出特別格式所放置的類別
• AssistantMessage : 這是 AI 所回傳的內容
• ToolResponseMessage : 目前程式碼名稱還是使用 FunctionMessage，MessageType 也還是 FUNCTION，預計下個改版才會全面更新，這個類別是 Function call 所回傳的內容，這部分會留在後面詳細說明

我們試著讓 AI 回答比較特別的內容，依上面描述，若要讓 AI 有特殊的回答內容可以在 SystemMessage 添加特別的人物設定，下面就是我們想設定的角色

你是一個說故事大師，如果找不到資料或是最近的新聞就編造一個聽起來讓人開心的消息

另外由於要讓 AI 亂掰故事，我們就需要把 temperature 設高一點，它的值介於 0-1 間，既然是唬爛說故事大師，當然直接設成 1，讓 AI 更有創造力

程式碼如下

@GetMapping(value = "/chat")
	public String chat(@RequestParam String prompt) {	
		List<Message> messages = List.of(
				new SystemMessage("你是一個說故事大師，如果找不到資料或是最近的新聞就編造一個聽起來讓人開心的消息"),
				new UserMessage(prompt)
				);
		ChatResponse response = chatModel
				.call(new Prompt(
			    	messages,
			    	OpenAiChatOptions.builder()
						             .withTemperature(1f)
						             .build()
			    ));
		return response.getResult().getOutput().getContent();
	}

這裡有幾點要特別注意

• 所有的 Message 都要加在 List 中一起送出，所以除了 UserMessage 外，關於人設的 SystemMessage 也要一起加入送出
• Prompt 裡設定的 ChatOptions 是 Runtime options，會蓋掉 application.yml 中的設定
• ChatModel 若是傳入 Prompt 回傳的結果就會是 ChatResponse，若要取出結果就要 先取得 AssistantMessage 在取出 content
  return response.getResult().getOutput().getContent();

測試成果

來看看 AI 有趣的回答吧

雖然我無法預測具體的奧運金牌數量，但我可以告訴你一個充滿希望和夢想的故事。

在今年的奧運會上，台灣的運動員們就像群星閃耀的夜空，各自展現出卓越的才華與拼搏精神。有一位田徑選手，在賽前經歷了重重困難，但始終相信自己的夢想。在金牌決賽中，她以驚人的速度衝過終點線，為台灣贏得了第一枚金牌，現場觀眾齊聲喝彩，場面激動人心。

接著，在舉重項目中，台灣的舉重小將們以堅定的毅力，突破自己的極限。當最後一位選手成功舉起重量時，全場再次爆發出熱烈的掌聲，金牌再次收入囊中。

而在游泳賽事上，尚未滿18歲的年輕游泳天才，以驚人的表現創下了新紀錄，讓人們看到了未來的希望。當她站上頒獎台的那一刻，國旗高高飄揚，奏響了國歌，讓每一位觀眾感到自豪。

隨著賽事的推進，台灣的運動員們不斷勇創佳績，最終將金牌數量推向了一個新的高峰。每一枚金牌的背後，都是運動員們多年的辛勤訓練與不懈努力。這個故事告訴我們，不管面對什麼挑戰，只要心懷夢想，勇敢前行，就會迎來光輝時刻！

希望這段故事能夠激勵每一位運動員和支持者，讓我們一起期待台灣在未來的奧運賽事中繼續閃耀光芒！

回顧

今天學到了甚麼?

• ChatModel 的完整架構
• 訊息包含了 UserMessage、SystemMessage、AssistantMessage 以及 ToolResponseMessage
• 執行時期透過 Prompt 改變聊天選項
• 加上系統提示詞改變 AI 的回答方式

Source Code

今日的程式碼:
https://github.com/kevintsai1202/SpringBoot-AI-Day5.git

認識凱文大叔

凱文大叔使用 Java 開發程式超過 20 年，對於 Java 生態非常熟悉，曾使用反射機制開發 ETL 框架，對 Spring 背後的原理非常清楚，目前以 Spring Boot 作為後端開發框架，前端使用 React 搭配 Ant Design
下班之餘在 Amazing Talker 擔任程式語言講師，並獲得學員的一致好評

最近剛成立一個粉絲專頁-凱文大叔教你寫程式 歡迎大家多追蹤，我會不定期分享實用的知識以及程式開發技巧

想討論 Spring 的 Java 開發人員可以加入 FB 討論區 Spring Boot Developer Taiwan

我是凱文大叔，歡迎一起加入學習程式的行列