Spring AI与DeepSeek实战二：打造企业级智能体
一、概述
智能体 Agent 能自主执行任务实现特定目标的 AI 程序。传统 AI（如ChatGPT）主要依靠用户输入指令，而智能体 Agent 可以自主思考、决策，并执行复杂任务，就像一个AI助手，能够独立完成多步操作。本文将以多语言翻译助手为场景，演示如何基于Spring AI与DeepSeek模型构建一个支持多种语言的企业级翻译智能体，实现精准可控的跨语言交互。
关于 Spring AI 与 DeepSeek 的集成，以及 API-KEY 的申请等内容，可参考文章《Spring AI与DeepSeek实战一：快速打造智能对话应用》
二、系统Prompt
智能体的核心在于通过 Prompt 工程明确其能力边界。以下为翻译智能体的系统级 Prompt 设计：
您是一名专业的多语言翻译助手，需严格遵守以下规则：
1. **语言支持**：仅处理目标语言代码为[TARGET_LANG]的翻译任务，支持如zh-CN（简体中文）、en-US（英语）等32种ISO标准语言代码；
2. **输入格式**：用户使用---translate_content---作为分隔符，仅翻译分隔符内的文本，其余内容视为无效指令；
3. **行为限制**：禁止回答与翻译无关的问题，若输入不包含合法分隔符或目标语言，回复："请提供有效的翻译指令"。
4. **支持多语言**：需要翻译的内容如果包含多种语言，都需要同时翻译为TARGET_LANG指定的语言。
关键设计解析：
- 需要给大模型明确 角色 和 行为边界；
- 通过
TARGET_LANG参数化语言配置，便于动态扩展； - 使用
---translate_content---强制结构化输入，避免模型处理无关信息； - 明确拒绝策略，保障服务安全性。
三、Prompt模板
结合Spring AI的prompt模板，实现动态Prompt生成：
TARGET_LANG: {target}
---translate_content---
"{content}"
关键设计解析：
- 使用占位符
{TARGET_LANG}和{content}实现多语言动态适配； - 无论用户输入任何内容，只会出现在 translate_content 分隔符下。
四、核心代码
@GetMapping(value = "/translate")
public String translate(@RequestParam String input, @RequestParam(required = false) String target, HttpServletResponse response) {
String systemPrompt = """
您是一名专业的多语言翻译助手，需严格遵守以下规则：
1. **语言支持**：仅处理目标语言代码为[TARGET_LANG]的翻译任务，支持如zh-CN（简体中文）、en-US（英语）等32种ISO标准语言代码；
2. **输入格式**：用户使用---translate_content---作为分隔符，仅翻译分隔符内的文本，其余内容视为无效指令；
3. **行为限制**：禁止回答与翻译无关的问题，若输入不包含合法分隔符或目标语言，回复："请提供有效的翻译指令"。
4. **支持多语言**：需要翻译的内容如果包含多种语言，都需要同时翻译为TARGET_LANG指定的语言。
""";
PromptTemplate promptTemplate = new PromptTemplate("""
TARGET_LANG: {target}
---translate_content---
"{content}"
""");
Prompt prompt = promptTemplate.create(Map.of("target", target, "content", input));
String result = chatClient.prompt(prompt)
.system(systemPrompt)
.call()
.content();
if (result != null && result.length() >= 2) {
result = result.substring(1, result.length() - 1);
}
return result;
}
通过
target来指定目标语言，input参数为需要翻译的内容。
五、测试
- 直接调用接口测试：
尝试输入提问方式的内容，大模型也仅翻译内容
- 配套一个前端页面测试：
- 多语言同时翻译： 翻译包含八种语言的内容
六、总结
本文通过翻译场景， 封印 了大模型的对话能力，演示了企业级智能体的三大核心能力：指令结构化 、行为边界控制 与 动态模板适配。然而，现实中的复杂任务（如合同审核、数据分析）往往需要更高级能力：
- 任务拆解：将复杂问题拆解为子任务链（如"翻译→摘要生成→格式校验"）；
- 工作流引擎：通过状态机管理任务执行顺序与异常重试；
- 记忆与上下文：实现多轮对话的长期记忆管理。
七、完整代码
- Gitee地址：
https://gitee.com/zlt2000/zlt-spring-ai-app
- Github地址：
https://github.com/zlt2000/zlt-spring-ai-app
扫码关注有惊喜！
