大模型接收的是“提示语”（或提示词），返回的是“生成内容”。提示语，则有一条或多条不同类型的消息组成（可以有会话历史消息）。

1、四种消息类型结构

• UserMessage 用户消息

由用户输入的消息

ChatMessage.ofUser("你好！");

//需要多模态模型支持
ChatMessage.ofUser("这图里有方块吗？", Image.ofUrl("http://../demo.jpg"));

ChatMessage.ofUser(Image.ofUrl("http://../demo.jpg"));
ChatMessage.ofUser("这图里有方块吗？");

• SystemMessage 系统消息（现在的模型，一般用不到了）

系统消息，主要是为当前会话设定AI的角色属性。一般作为一个会放的头条消息

ChatMessage.ofSystem("你是个建筑工地的工人，对搬砖很有经验！");

应用示例：

List<ChatMessage> messages = new ArrayList();
messages.add(ChatMessage.ofSystem("你是个建筑工地的工人，对搬砖很有经验！"));
messages.add(ChatMessage.ofUser("100块砖，搬到10楼大概要多久？"));

chatModel.prompt(messages); //context 可以是描述天气的任何对象
            .call();

• AssistantMessage 助理消息

由大语言模型生成的消息

• ToolMessage 工具消息

由框架根据 AssistantMessage 描述的本地工具调用（Tool call）生成的消息。

2、用户消息的构建方式

• 基本消息

chatModel.prompt(ChatMessage.ofUser("hello"))
            .call();

• 消息增强（格式化上下文）

String message = "今天天气好吗？";
                
chatModel.prompt(ChatMessage.ofUserAugment(message， context)) //context 可以是描述天气的任何对象
            .call();

• 消息增强（定制格式模板）

String message = "今天天气好吗？";
                
chatModel.prompt(ChatMessage.ofUserTmpl("#{query} \n\n 请参考以下内容回答：#{context}")
                        .paramAdd("query", message)
                        .paramAdd("context", context)
                        .generate()) 
            .call();

3、关于用户消息的“消息增强”

将用户输入的消息通过格式化，附加相关的上下文（或参考资料），从而实现“消息增强”。这也是构成 RAG技术（检索增强生成，结合信息检索和语言模型）的纽带。

• 快捷增强（固定模板，让消息有时间和参考上下文）

//ChatMessage.ofUserAugment(String message, Object context);

//示例1:
ChatMessage.ofUserAugment("a+b 等于几？", "假如 a=1, b=2");

//示例2:
let message = "刘德华今年有哪些演唱会？"
let context = ticketRepository.search(message);

ChatMessage.ofUserAugment(message, context);

• 模板增强（基于模板定制消息格式）

let message = "刘德华今年有哪些演唱会？"
let context = ticketRepository.search(message);

ChatMessage.ofUserTmpl("#{message} \n\n #参考资料：#{context} \n\n #要求：如果参考资料里没有，返回没有")
    .paramAdd("message", message)
    .paramAdd("context", context)
    .generate();

4、多角色混合提示增强

可组合 SystemMessage、UserMessage 和 AssistantMessage 实现多轮对话。达到场景效果。

List<ChatMessage> prompt = List.of(
    ChatMessage.ofSystem("你是一个天气预报助手，只回答天气相关问题。"),
    ChatMessage.ofUser("今天北京天气如何？"),
    ChatMessage.ofAssistant("北京今天晴，气温20-25℃。"),
    ChatMessage.ofUser("需要带伞吗？")
);

chatModel.prompt(prompt); 
            .call();