提示词（Prompt）是输入给大模型（LLM）的文本指令，用于明确地告诉大模型你想要解决的问题或完成的任务，也是大语言模型理解用户需求并生成准确答案的基础。因此 prompt 使用的好坏，直接决定了大模型生成结果的质量（是否符合预期）。
那问题来了，在 Spring AI/Spring AI Alibaba 如何用好提示词？以及提示词的使用方式有哪些呢？接下来本文一起来盘点一下。
1.简单提示词使用
最简单的设置固定系统提示词和用户提示词的用法如下：
复制@RequestMapping("/chat")
public String chat(String msg) {
String result = chatClient.prompt()
.system("你是一个问答助手") // 设置系统提示词
.user(msg) // 设置用户提示词
.call().content();
System.out.println("结果：" + result);
return result;
}2.动态提示词
所谓的动态提示词指的是需要进行动态参数替换的提示词，它的基本使用如下：
复制@RequestMapping("/chat")
public String chat(String topic) {
PromptTemplate promptTemplate =
new PromptTemplate("你是一个{role}，讲一个关于{topic}的故事");
Prompt prompt = promptTemplate.create(Map.of("role", "讲故事的助手",
"topic", topic));
return chatModel.call(prompt).getResult().getOutput().getText();
}3.从文件中读取动态提示词
动态提示词如果比较短，我们可以像上面一样写到代码里面，如果比较长，我们可以把它单独放的某个文件模版中进行读取使用，具体实现如下：
复制// 从文件中读取提示词
@Value("classpath:type-system-prompt-txt")
private Resource systemPrompt;
@RequestMapping("/chat")
public String chat(String msg) {
return chatClient.prompt()
.system(systemPrompt)
.user(msg)
.call()
.content();
}
}4.Lambda表达式提示词
当提示词比较短的时候，除了可以使用 PromptTemplate 设置提示词之外，我们还可以使用 Lambda 表达式来实现动态提示词的设置，具体使用如下：
复制@RequestMapping("/chat")
public User chat(String name) {
return chatClient.prompt()
.user(msg -> msg.text("我叫{name}，今年18岁，爱好打羽毛球。")
.param("name", name))
.call()
.entity(User.class); // 结果化输出
}小结
提示词是用户和大模型交互的直接手段，所以在程序中用好提示词是至关重要的。本文提供了 4 种提示词的使用方式，开发者可以根据具体的业务场景，选择合适的提示词使用方式来完成 AI 应用开发。一起实操起来吧~
