下面是针对Spring AI Alibaba（基于 Spring AI）中ChatModel和ChatClient的联系与区别，以及链式代码（Fluent API）与样板代码（Boilerplate Code）区别的说明，并附带Java 示例与完整 Markdown 文档（参考 Spring AI Alibaba 快速开始文档与 API 设计理念）([Spring AI Alibaba][1])
欢迎关注我的技术微信公众号
![]()
Spring AI Alibaba: ChatModel 与 ChatClient 详解
本文从概念、应用场景、API 设计风格、示例代码等方面比较 Spring AI Alibaba 中的核心聊天组件 ——ChatModel与ChatClient。
1. 基本概念
ChatModel（原子 API）
ChatModel是 Spring AI 提供的基础模型 API，它直接表示一个会话模型（如通义千问，OpenAI 模型等）。开发者调用它时需要自行构造 Prompt、处理输入输出，是最基础、最灵活的 AI 接口。
特点：
- 直接与模型交互，适合需要最大灵活度的场景。
- 手动构造消息（Prompt、消息列表等）。
- 结果需要程序逐步处理及解析（JSON、结构化等）。
- 适合复杂逻辑或自己组合场景。
- API 较“原始”，需写更多样板代码。
- 常见调用方式：
chatModel.call(prompt)。
ChatClient（Fluent API）
ChatClient是基于ChatModel之上的更高层封装，对原始模型调用进行统一封装，提供链式或流式 API（Fluent API），隐藏大量样板代码。开发者通过链式方法描述交互过程，无需自行管理 Prompt 拼装和响应解析。
特点：
- Fluent API 封装，可链式构建交互流程（
prompt().user(...).call()）。 - 内置对话记忆（Memory）、工具/函数调用（Function Calling）、结构化输出等。
- 支持同步调用、流式响应（Reactive）、并可注入 Spring 管理。
- 降低开发复杂度，提高生产效率。
- 适合典型对话系统、企业级 ChatBot 等场景。
2. 联系与区别
联系
| 方面 | ChatModel | ChatClient |
|---|---|---|
| 与模型交互 | 是 | 是（内部基于 ChatModel） |
| Spring 自动装配 | 支持 | 支持 |
| 对话处理 | 手动 | 自动封装 |
| 适应能力 | 高 | 高（标准化流程） |
| 适合场景 | 自定义逻辑强 | 复杂对话、标准流程 |
主要区别
抽象层级
ChatModel是更基础的模型调用 API，开发者负责组装 Prompt 与解析。ChatClient是更高层的服务封装，提供链式/流式调用，并自动处理上下文、解析等细节。:contentReference[oaicite:1]{index=1}
开发效率
ChatModel灵活但需要写更多样板代码（Prompt、消息列表、响应处理）。ChatClient提供 Fluent API，一行链式代码即可完成复杂交互。:contentReference[oaicite:2]{index=2}
高级功能
ChatClient支持聊天记忆、RAG、函数调用等扩展能力。ChatModel更适合简单对话或高度定制。:contentReference[oaicite:3]{index=3}
总结：
| 特性 | ChatModel | ChatClient |
|---|---|---|
| 灵活性 | 高 | 中等 |
| 代码量 | 多 | 少 |
| 高级能力支持 | 需手动集成 | 内置 |
| 学习曲线 | 低→中 | 低（更易上手） |
3. 链式代码 vs 样板代码
样板代码（Boilerplate Code）
这是开发者手动构造大语言模型调用逻辑时必须写的重复性代码，例如：
- Prompt 组装
- Message 列表管理
- 参数/选项配置
- 响应 JSON 解析或结构化处理
使用ChatModel通常需要更多样板代码。
链式代码（Fluent API）
这是指通过一系列链式方法描述执行逻辑，常见于更高级别的 API 封装：
- 可读性强
- 更少重复代码
- 更易组合不同 API
ChatClient就提供这种 Fluent 风格的链式调用，例如：
chatClient.prompt("你好").call().content();以上代码即为典型链式调用，相比传统逐步构建 Prompt/参数/解析的代码节省大量样板。([知乎专栏][2])
4. Java 示例
4.1 使用 ChatModel（样板逻辑）
importorg.springframework.ai.chat.model.ChatModel;importorg.springframework.ai.chat.model.Prompt;importorg.springframework.ai.chat.messages.UserMessage;importorg.springframework.ai.chat.model.ChatResponse;importcom.alibaba.cloud.ai.dashscope.api.DashScopeApi;importcom.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel;publicclassChatModelDemo{publicstaticvoidmain(String[]args){// 1. 初始化 APIDashScopeApiapi=DashScopeApi.builder().apiKey(System.getenv("AI_DASHSCOPE_API_KEY")).build();ChatModelchatModel=DashScopeChatModel.builder().dashScopeApi(api).build();Promptprompt=newPrompt(List.of(newUserMessage("请介绍一下 Spring AI ChatModel")));ChatResponseresponse=chatModel.call(prompt);System.out.println("模型输出: "+response.getText());}}4.2 使用 ChatClient（链式 Fluent API）
importorg.springframework.ai.chat.ChatClient;importorg.springframework.boot.SpringApplication;importorg.springframework.boot.autoconfigure.SpringBootApplication;importorg.springframework.context.annotation.Bean;importorg.springframework.web.bind.annotation.*;@SpringBootApplicationpublicclassChatClientApp{publicstaticvoidmain(String[]args){SpringApplication.run(ChatClientApp.class,args);}@RestControllerpublicclassChatController{privatefinalChatClientchatClient;publicChatController(ChatClient.Builderbuilder){this.chatClient=builder.defaultSystem("你是一个智能助手").build();}@GetMapping("/chat")publicStringsimpleChat(@RequestParamStringquery){returnchatClient.prompt(query).call().content();}}}5. 结论
- ChatModel提供了基础且可定制的对话调用方式，适合复杂逻辑场景；
- ChatClient提供了更高抽象、链式 API 的体验，适合快速构建对话系统；
- Chain API具备更少样板代码、更高可读性；
- Boilerplate Code具备更细粒度控制能力。
以上内容基于 Spring AI Alibaba 官方设计理念与社区讨论整理。
[1]: https://java2ai.com/docs/dev/tutorials/chat-client/?utm_source=chatgpt.com "Chat Client-阿里云Spring AI Alibaba官网官网" [2]: https://zhuanlan.zhihu.com/p/1930935840713970739?utm_source=chatgpt.com "让复杂AI 应用构建就像搭积木：Spring AI Alibaba Graph 使用指南与 ..."
