Spring AI常用类

Spring AI 是 Spring 生态面向生成式 AI 的官方框架，旨在让 Java 开发者像使用 Spring 开发普通应用一样开发 AI 应用56。根据框架的设计，其常用类可以按照核心功能划分为以下几个主要类别：

1. 核心对话与交互类
   ChatClient：流式 API 的封装类，提供了流式对话、函数调用、记忆管理等高级能力，是业务开发的首选26。
   ChatModel：大模型对话能力的顶层接口，定义了 call 方法，接收 Prompt 对象并返回 ChatResponse 对象，屏蔽了不同大模型的 SDK 差异24。
   Prompt：用户输入的完整提示词对象，包含一个或多个 Message 对象24。
   PromptTemplate：模板化提示词引擎，支持动态变量注入、多模态输入适配，可生成标准化的提示内容35。
2. 消息体系类 (Message)
   Message：对话消息的基础对象。根据角色不同，具体细分为：
   SystemMessage：系统消息，用于定义角色、任务、约束和输出格式1。
   UserMessage：用户消息，即用户的实际输入12。
   AssistantMessage：AI 历史回复消息1。
   FunctionMessage (Tool消息)：工具调用的结果消息12。
   ChatResponse：大模型返回的完整响应对象，包含生成的文本、Token 消耗、结束原因等信息24。
3. RAG（检索增强生成）相关类
   EmbeddingClient (EmbeddingModel)：将文本、图像等非结构化数据转换为高维向量，核心用于 RAG 检索增强场景13。
   VectorStore：统一的向量数据库接口，对接各类向量库（如 PGVector、Milvus 等），提供向量的增删改查和相似检索能力13。
4. 多模态处理类
   ImageModel (ImageClient)：接收用户文本输入，并将模型生成的图片作为输出返回（文生图）4。
   AudioModel (SpeechClient)：处理语音相关任务，包括文本生成语音（TTS）以及录音文件生成文字（语音转文本）34。
5. 高级扩展与工具类
   @Tool / @Parameter：用于定义和描述工具，支持模型请求执行客户端工具（Function Calling / 工具调用），从而访问必要的实时信息16。
   Advisors API：封装了常见的生成式 AI 模式，通过装饰器模式增强对话能力，转换发送给 LLM 及来自 LLM 的数据16。
   这些常用类共同构成了 Spring AI 的分层抽象架构，使得开发者只需修改配置即可在不同大模型提供商（如 OpenAI、通义千问、Ollama 等）之间无缝切换，而无需改动核心业务代码