LangChain4J格式化输出跟SpringAI真是天差地隔啊

# 先来看看LangChain4J是如何能保证structured Output的
 首先定义一个 ResponseForm

private static ResponseFormat stockAnalysisResponseFormat() {
    JsonObjectSchema schema = JsonObjectSchema.builder()
            .description("股票分析结果")
            .addEnumProperty("action", List.of("BUY", "SELL", "HOLD"), "操作：BUY 买入 / SELL 卖出 / HOLD 持有")
            .addStringProperty("symbol", "股票代码")
            .addNumberProperty("score", "推荐强度 0.0~10.0")
            .addStringProperty("reason", "分析理由")
            .required(List.of("action", "symbol", "score", "reason"))
            .additionalProperties(false)
            .build();

    JsonSchema jsonSchema = JsonSchema.builder()
            .name("StockAnalysis")
            .rootElement(schema)
            .build();

    return ResponseFormat.builder()
            .type(ResponseFormatType.JSON)
            .jsonSchema(jsonSchema)
            .build();
}

# 然后定义一个专属的chatMode

@Bean
public ChatModel chatLanguageModel(LlmProperties properties) {
    return OpenAiChatModel.builder()
            .apiKey(properties.getApiKey())
            .baseUrl(properties.getBaseUrl())
            .modelName(properties.getModelName())
            .responseFormat(stockAnalysisResponseFormat())
            .build();
}

# 而且用的时候也很恶心

public interface StockAnalysisAiService {

    String SYSTEM_PROMPT = """
            你是一个专业的量化金融分析师。
            请分析用户给出的股票，给出操作建议、推荐强度和分析理由。
            """;

    @UserMessage(SYSTEM_PROMPT + "\n\n分析 {{symbol}}")
    StockAnalysis analyze(@V("symbol") String symbol);
}

# 这里坑就来了啊，那每一个schema都需要绑定一个chatModel，拿项目中如果是N个bean则需要初始化N个@bean？

# 来欣赏下SpringAi是如何用几行代码，代替上面三陀代码的，多么的优雅，这就是框架，顶层抽象的美丽与差距啊

public BookInfo book(@RequestParam String keyword) {
    return chatClient.prompt()
            .system("你是一个书虫")
            .user("推荐一本关于 " + keyword + " 的经典书籍")
            .call()
            .entity(BookInfo.class);
}