基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-22 10:43

用 Spring AI 串联四步数据处理

dev.to · AI#Spring AI#提示词链#分步测试
Editor brief · 编辑速览

文章拆解 Spring AI 示例,将提取、清洗、排序和格式化拆成依次执行的提示词,每一步消费上一步的输出。作者说明了如何独立测试各环节,并讨论上线前如何加固。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

一份季度报告要变成按数值降序排列的 Markdown 表格,模型得先找出指标,再处理单位、排序和排版。作者用 Spring AI 把这四件事拆成四轮调用。哪怕最后的表格看起来没问题,也可以回看每一步,发现指标是在哪里漏掉的,或者单位是在哪一步变的。

这个示例最值得带走的是怎么给步骤定接口。格式能检查,错误才能在传给下一步之前被拦下。至于排序和排版,既然输入已经结构化,交给程序处理就够了。

哪些任务适合拆成提示词链?

提示词链(prompt chaining)是一条预先写好的数据流。开发者在看到具体输入之前,就能定下步骤和顺序。每一步接收前一步的输出,并完成一次转换。先翻译再摘要,或者先写草稿再按规则检查,都属于这类任务。如果要读完输入才知道有哪些子任务,原文建议考虑让模型负责拆解和分派的 orchestrator-workers 模式。

示例里的 Q3 报告一共涉及八项指标。客户满意度是 92 分,营收同比增长 45%,市场份额是 23%,客户流失率从 8% 降至 5%,新用户获客成本是每人 43 美元,产品采用率升至 78%,员工满意度是 87 分,营业利润率升至 34%。光是流失率那一句就要先做判断:5% 是当期值,8% 是用来比较的旧值。后面还有另一类问题,92 分、45% 和每人 43 美元能否排在同一列里,取决于这张表打算表达什么。

ChainWorkflow 在 DEFAULT_SYSTEM_PROMPTS 里定义了四步。第一步抽取指标,每行输出一个 value: metric。第二步归一化数值,提示词举的例子是把 92 points 转成 92%。第三步按数值降序排列,继续保留每行的格式。第四步输出 Metric 和 Value 两列的 Markdown 表格,分隔行为 |:--|--:|,数值列右对齐。提示词里的示例把输出格式具体化了,下一步才知道自己会收到什么。

四轮调用之间,数据是怎么传的?

下面这段循环负责把原始报告送进第一步,再把每轮的响应交给下一步。

public String chain(String userInput) {
    int step = 0;
    String response = userInput;

    System.out.println(String.format("\nSTEP %s:\n %s", step++, response));

    for (String prompt : systemPrompts) {
        // 1. 使用上一步的响应组装输入。
        String input = String.format("{%s}\n {%s}", prompt, response);

        // 2. 使用新输入调用聊天客户端并取得响应。
        response = chatClient.prompt(input).call().content();

        System.out.println(String.format("\nSTEP %s:\n %s", step++, response));
    }

    return response;
}

看 response = chatClient.prompt(input).call().content(); 这一行。每次调用都会覆盖 response,下一轮拿到的就是这次输出,原始报告只在第一轮作为数据输入。示例把指令和上一步结果拼成一个字符串传给 prompt(input)。构造函数允许传入自定义的提示词数组,所以同一个循环可以跑别的转换流程。方法只返回最后一轮的响应,中间结果由 System.out.println 打到控制台。

完整示例在 spring-ai-examples 仓库的 agentic-patterns/chain-workflow 目录下,需要 Java 17 或更高版本,以及一个已配置的模型。项目提供 OpenAI、Anthropic 和 Ollama 的配置,可设置对应的 API key,或启动本地 Ollama 服务。用 Maven wrapper 启动后,控制台会打印各步输出和最终表格。原文没列出具体启动命令、模型版本或模型参数。

为什么每步都要检查输出?

README 把每一步描述成会验证输出的关卡,实际循环会直接传递响应。第一步就算返回空字符串,或者回了一段解释,第二步也照样执行。这样既消耗后续调用,最后报错时也可能错过最早出问题的地方。

作者给的最小校验如下,用于检查第一步的非空行是否符合 value: metric 的外形。

private static final Pattern LINE = Pattern.compile("^[^:]+: .+$");

private static void requireLines(String output, int stepIndex) {
    boolean valid = output.lines()
            .filter(l -> !l.isBlank())
            .allMatch(l -> LINE.matcher(l).matches());
    if (!valid) {
        throw new IllegalStateException("Step " + stepIndex + " produced unexpected output");
    }
}

看 .filter(l -> !l.isBlank()) 和后面的 allMatch。如果输出全空,过滤后没有任何行,allMatch 仍然会返回 true。这个正则也只检查冒号两边的外形,oops: revenue 一样能通过。实际使用时,需要先检查至少有一条记录,再解析数值和单位。校验失败后,可以原样重试、把错误原因加进提示词重试,或者直接中止。限流和超时则适合单独处理,设置少量重试、指数退避和整条链的时间上限。

测试也分两层。用替身 ChatClient 返回预设字符串,可以验证调用顺序、上一步结果是否正确传给下一步,以及最终返回值。要验证提示词本身,就得拿有预期结果的代表性输入跑真实模型。改提示词或升级模型后,逐步对比输出。只验最后的表格,很容易漏掉前面已经丢失的指标。

我的判断

我会采纳作者先定输出契约、再写提示词的做法。对于报告抽取,可以先约定每条记录要带指标名、数值和单位。遇到流失率这种带历史对照的句子,还要决定当期值和历史值各放在哪。契约明确之后,数字排序、去重和 Markdown 渲染都可以用 Java 或 Node 完成。归一化也可以用代码实现,前提是业务规则已经明确。比如把 92 分写成 92%,至少要先知道这是百分制,并确认业务接受这样表示。即使两个指标都写成百分比,满意度和营收增幅也各有含义。

作者展示了示例代码和运行方式,没给单条提示词与四步链的对照数据,也没报告样本量、错误率或耗时。标题里「四步胜过一步」是工程经验。四步默认会串行调用模型四次,但原文所说的延迟和 token 开销都变成四倍,不能从调用次数直接推出。各步发送和生成的文本长度不同,单次调用的耗时也会变。我的取舍是先用一次调用建立基线,只有当某类错误反复出现、又能在中间独立检查时,才为它增加一次模型调用。

能拿来做什么

  • 给已有的报告抽取功能准备一组带预期结果的样本,覆盖混合单位、当期值带历史对照、空输出这几种情况。先跑一次调用,记录漏项、取错值和格式失败各出现多少次,再决定哪里值得拆。
  • 在 Node 里先把模型返回的指标解析成记录,检查结果非空、数值可解析、单位符合约定。通过校验以后,再按明确的业务规则排序并渲染 Markdown 表格。
  • 给多步流程分别做调用顺序测试和真实模型回归。服务日志默认记录步骤编号、耗时和输出大小,完整文本只在受控的调试模式下记录。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
AI 生成任务如何用 PostgreSQL 原子结算
下一篇
多模型路由如何在调用前确定执行顺序

资讯速览

dev.to · AI · 2026-11-22 10:43

AI 评分 8.0 / 10

相关标签

#Spring AI#提示词链#分步测试

继续阅读

  • 用编程 Agent 先审计依赖再迁移
  • AI 生成任务如何用 PostgreSQL 原子结算
  • 多模型路由如何在调用前确定执行顺序
  • 接入多个生成模型时如何处理审核字段差异
  • 把编程智能体的规则纳入版本控制和测试