搜索[HTTP/3]结果-低调大师优秀个人博客

当 AI 告诉你「测试全过」时：3 次被拆穿的假警报

[01-头图.png](https://developer.qcloudimg.com/http-save/yehe-3172987/61056b1aecedacc44e892e2578c97e0c.png

2026-10-11

听漏仪灵敏度怎么看：3个指标别混淆

[](https://developer.qcloudimg.com/http-save/audit-11879024/cb3da552ccf76a4278bb0d94b294671b.webp) **

2026-10-09

Vue 3 的 watch 与 watchEffect：何时用哪个，以及如何避免重复触发

在 Vue 3 的组合式 API 里，watch 和 watchEffect 是日常业务代码中出现频率很高的两个响应式副作用工具。

2026-10-08

iPhone 屏幕锁死：卡死、设备停用场景，3 种处理方案实测

[](https://developer.qcloudimg.com/http-save/audit-12711942/03f4a843b5eb73f59bc4acd3cb14087f.png) # 二

2026-10-06

Vue 3 中 watch 和 watchEffect 的竞态问题与清理函数实战

推荐查看天气：http://www.362tq.com/kangle/ 推荐查看天气：http://www.362tq.com/kangle/zuotian.html 推荐查看天气：http://www

2026-10-06

Vue 3 中 watch 与 watchEffect 的竞态问题与清理函数实战

在 Vue 3 的组合式 API 里，`watch` 和 `watchEffect` 是我们处理副作用的常用工具。一个典型的场景是：监听搜索关键词，每次变化都发请求获取结果。

2026-10-05

用 WorkBuddy 做 A 股复盘，我从 3 小时干到 20 分钟

[](https://developer.qcloudimg.com/http-save/audit-12786137/bd9126b298a8fbccb90db902a66f7dad.png) !

2026-09-24

医疗行业AI化的3大痛点，来看WorkBuddy 怎么逐个击破？

结合多家真实付费客户的实践，我们总结出大医疗行业 AI 化最迫切的 **3 大痛点**，以及 WorkBuddy 的一一对应解法。

2026-09-23

Vue 3 中 reactive 对象解构后丢失响应式，如何正确处理

推荐查看天气：http://www.362tq.com/beijing/ 推荐查看天气：http://www.362tq.com/beijing/zuotian.html 推荐查看天气：http://www

2026-09-19

AI编程翻车后，将开发环境RPO从24小时降至3秒

AI编程翻车后，中科热备将开发环境RPO从24小时降至3秒上周三下午四点十七分，我们实验室一个研发小组的实习生对着AI编程工具说了一句「帮我把这个模块重构一下，旧代码清理掉」。

2026-09-19

Vue 3 中如何优雅地监听 Pinia store 中某个 state 的变化？

在 Vue 3 项目里用 Pinia 管理状态时，经常会遇到需要监听 store 里某个 state 变化的场景。

2026-09-19

阶跃星辰发布 Step Audio 3 系列语音模型，多款上榜全球第一

阶跃星辰今天放出的 StepAudio 3 系列，就是冲着这个方向去的——五个模型一次全发：Realtime、ASR、TTS、Gen、Music。

2026-09-15

Agent渡劫48关-第3关-模型为什么会选择这个Tool？

# Agent渡劫48关-第3关-Tool Selection为什么不是代码路由？ > 工具写好了名字和描述，模型就会乖乖选对吗？

2026-09-13

我用 GPT-6 给江南大学建了个 3D 沙盘

我的博客网站 [http://49.235.136.223](http://49.235.136.223/) 最近多了个页面`/campus`。

2026-09-10

GoFrame + Vue3 后台上云时，前端 dist 如何托管和验收？

GoFrame + Vue3 后台上云时，前端 dist 如何托管和验收，应该先看团队发布节奏和故障边界。

2026-09-04

3分钟自查标书重复率，免费、不用注册、打开就能用

今天就教你用一个 **免费的标书查重系统**，3 分钟自查标书重复率。不用注册，不用登录，打开就能用。

2026-09-04

《Spring AI 2.0实战》第3招 Prompt不只是字符串

## 01、痛点凌晨两点，运营截图过来：技术客服助手把“退款多久到账”答成了“我们支持 7×24 小时工单服务”。用户连问三次，它始终没有给出时间。我是老李，被拉进群时第一反应是看模型是不是抽风。结果顺着日志一层层追，问题不在模型，而在 Controller 里一段 23 行的字符串。那段代码大致长这样： ```java String prompt = "你是技术客服助手，请友好回答用户问题。注意：不要回答价格、退款、合同。如果用户问退款，请转人工。回答请引用文档编号。当前用户问题是：" + userQuestion + "，请开始回答。"; ``` 问题非常典型：角色设定、回答边界、引用要求、用户输入全被拼在一个 Java 表达式里。为了支持“退款问题转人工”，一个 if 又往里塞了几个三元表达式。后来为了控制回答长度，又追加了一句条件拼接。最后谁都不敢动这段代码，因为不知道哪里藏着一个空格会影响输出。这就是硬编码提示词的典型失控路径。它看起来只是一段字符串，实际上已经承担了业务规则、产品策略和交互边界。字符串没有结构、没有版本、没有测试，改一次就要发一次版，多人协作时冲突几乎必然。更麻烦的是，当模型效果变差时，你根本无法快速判断是模板变了、参数错了，还是模型本身行为漂移。现在 Spring AI 在 Java 项目里越来越常见，很多团队还停留在“把提示词当普通字符串拼”的阶段。我觉得有必要把这个问题讲透，并且给出一个可落地的治理方式。 ## 02、是什么 Spring AI 对 Prompt 的抽象，和很多人过去的理解不太一样。它把 Prompt 看成应用输入模型，而不是“请回答问题”这么一句话。一个完整的 Prompt 可以由多条消息组成，每条消息有明确角色： - System：系统消息，设定角色、能力边界、回答规范； - User：用户消息，承载具体问题或上下文； - Assistant：助手消息，承载历史回答，用来做多轮上下文。这意味着，真正进入模型的不是一段不可拆分的文本，而是一个消息列表。System 部分可以独立维护，User 部分可以只放动态业务上下文。这个区分非常关键。 Spring AI 还提供了 PromptTemplate。它和 MVC 的 View 非常像：模板负责稳定结构，变量负责动态填充。比如一个提示词模板可以写成“你是{role}，请根据{context}回答{question}”，模板本身不会因为具体用户问题而变。再类比 SQL。早期的 Java 项目常常用字符串拼接 SQL，后来发现占位符和预编译语句才能同时解决可维护性与安全性。PromptTemplate 的角色就类似 SQL 中的占位符：固定语义的部分提前定义，动态参数由程序注入。模板负责稳定规则，变量负责动态业务上下文。还有一点容易被忽略：Spring AI 支持默认 System Prompt。项目可以配置一个全局默认系统提示词，比如“你是企业内部的正式助手，回答需简洁、准确”。这样即使某个具体场景没有提供 System 消息，也能保持基础人设一致。 ## 03、为什么为什么不能把所有业务规则拼到 Controller 字符串里？因为 Controller 的职责是协调请求，不是维护内容策略。把提示词拼在这里，实际上是把“内容资产”塞进了“流程代码”。第一个问题是变更成本。产品要调整客服助手的回答边界，比如从“不回答退款”改成“可以回答退款时间，但不回答具体金额”。如果规则在 Java 字符串里，开发必须改代码、提交、评审、发布。如果规则在模板资源里，产品配置变更可以走配置中心或独立发布，甚至可以做灰度。第二个问题是可测试性。硬编码字符串无法单独验证。你想断言“系统提示词中必须包含引用要求”，只能启动整个应用去抓请求日志。模板化之后，一个单元测试就可以渲染模板并断言关键规则存在。第三个问题是版本追溯。字符串常量没有版本号，在 Git 里只能看到某一行被修改，却无法知道这次修改对应哪个策略版本。模板文件可以带版本号、变更记录、负责人信息，像接口契约一样管理。第四个问题是协作冲突。同一个 Controller 里，客服助手、摘要生成、分类器三套提示词挤在一起，改了 A 影响 B，合并时冲突不断。拆成独立模板文件后，负责不同场景的人可以并行修改。最后，Prompt 也有类似注入风险。如果用户输入直接拼进系统指令，用户可以通过特殊内容诱导模型忽略原规则。模板和参数分离后，用户输入只会被当作变量值填充，不再直接参与规则拼接。 ## 04、架构我建议的目录结构很简单： ``` src/main/resources/prompts/ tech-support/ system.st user.st metadata.properties ``` 其中 system.st 是系统提示词模板，user.st 是用户提示词模板，metadata.properties 记录版本号和更新说明。加载层可以定义一个 PromptCatalog 组件，负责读取资源文件并缓存解析结果。渲染层使用 Spring AI 的 PromptTemplate，把 Map 参数传给模板，生成 Message 对象。调用层只关心组装消息列表，不感知模板内容。架构流程如下： ``` Controller 接收用户问题 → PromptService 加载模板 → 渲染 System 与 User 消息 → 组装 List → 调用模型 → 返回回答 ``` 这个链路里，模板是静态资源，参数是动态上下文。默认 System Prompt 可以在 PromptService 初始化时统一注入。比如先读取全局默认配置，再根据场景覆盖。版本管理可以放在 metadata.properties 里： ``` prompt.name=tech-support prompt.version=1.2.0 prompt.updated=2025-01-15 prompt.owner=platform-team ``` 这样每次模板变更都有一个可识别的基线，日志里也能打印当前使用版本，方便线上问题回溯。 ## 05、实战下面用一个“技术客服助手”来演示。需求很明确：System 固定角色、回答边界和引用要求；User 只传入具体问题。 system.st 模板可以这样写： ``` 你是技术客服助手。边界：只回答产品使用、故障排查、账号问题；不回答价格、退款时限、合同条款。引用要求：涉及操作步骤必须给出对应文档编号或链接。如果用户问题超出范围，回复：该问题需要人工客服，并引导提交工单。 ``` user.st 模板只保留一个占位符： ``` 当前用户问题：{question} ``` Java 侧加载逻辑如下： ```java @Component public class PromptCatalog { private final ResourceLoader resourceLoader; private final Map cache = new ConcurrentHashMap<>(); public String load(String path) { return cache.computeIfAbsent(path, p -> { try { Resource resource = resourceLoader.getResource(p); return new String(resource.getInputStream().readAllBytes(), StandardCharsets.UTF_8); } catch (IOException e) { throw new IllegalStateException("failed to load prompt: " + p, e); } }); } } ``` 调用时使用 PromptTemplate： ```java String systemText = catalog.load("classpath:/prompts/tech-support/system.st"); String userText = catalog.load("classpath:/prompts/tech-support/user.st"); Message systemMessage = new PromptTemplate(systemText).createMessage(Map.of()); Message userMessage = new PromptTemplate(userText).createMessage(Map.of("question", question)); List messages = List.of(systemMessage, userMessage); ``` 版本号从 metadata.properties 读取，并打印到日志： ```java String version = catalog.loadVersion("tech-support"); log.info("using prompt version: {}", version); ``` 测试可以这样写： ```java @Test void systemPromptShouldContainBoundaryRules() { String systemText = catalog.load("classpath:/prompts/tech-support/system.st"); assertThat(systemText).contains("不回答价格"); assertThat(systemText).contains("引用要求"); assertThat(systemText).contains("人工客服"); } ``` 这样，规则是否完整不再靠人眼，而是进入 CI。 ## 06、洞见这个改造做完后，最大的感受不是代码变干净了，而是我们对 Prompt 的治理思路变了。过去我们总把 Prompt 当成临时文本，今天改一句，明天加一句，改完就忘。现在它像数据库 Schema 一样，有版本、有评审、有测试。为什么在 Java 项目里尤其要这样做？因为 Java 项目通常有成熟的配置管理体系、发布流程和代码评审文化。如果 Prompt 继续散落在代码常量里，这些体系完全用不上。反过来，把 Prompt 迁到模板资源里，它就能复用配置中心、CI、审计和回滚能力。这和 MVC 的历史非常相似。早期 JSP 里 Java 代码和 HTML 混在一起，后来才拆出 View 层和模板引擎。现在很多项目里 Java 代码和 Prompt 混在一起，迟早也要拆。SQL 也走过同样的路，从字符串拼接走到预编译语句和 ORM。不是技术退步，而是工程化成熟。模板并不是限制灵活性。真正稳定的规则本来就不该每天变，真正变化的是用户问题、上下文和业务参数。把它们分开后，变化点收敛到变量，稳定点固化到模板。这样每次调整都可以被 diff、被评审、被统计。同时，测试不能只测代码逻辑，也要测提示词资产。比如每次模板变更，CI 必须断言渲染结果包含必要边界词。线上模型效果变差时，版本号能告诉我们是不是昨天那次提示词调整导致的。 ## 07、行动如果今天就想动手，可以按下面几步来。第一，盘点现有 Java 代码里的 Prompt 字符串。至少找出三个使用频率高、规则比较固定的场景，比如客服助手、摘要生成、分类判断。第二，为每个场景建立模板资源文件。System 放角色、边界、引用要求；User 只放动态参数。不要把业务规则继续写在 Controller 里。第三，给每个模板加版本号。可以在文件头部加注释，或者用 metadata.properties。版本号必须可读、可打印。第四，补测试。把“渲染结果必须包含某条规则”变成断言，纳入 CI。这样模板变更至少能守住下限。第五，建立变更记录。模板的修改和代码一样走评审，说明为什么改、影响哪个场景。线上日志打印版本号，问题回溯时先看版本。这个清单不需要一步到位，但至少可以先做到“模板化 + 版本号 + 一条测试”。这三件事做完，失控的概率会大幅下降。 ## 08、小结回头再看那次凌晨故障，本质不是模型笨，而是我们把一个生产级助手的内容策略塞进了 Controller 字符串里。Spring AI 给了我们消息模型和模板能力，剩下的就是工程纪律。模板负责稳定规则，变量负责动态业务上下文。这句话可以作为判断标准：如果一段 Prompt 里既有规则又有具体问题，就说明该拆了。拆完之后，Prompt 从字符串变成资产，团队才可能真正管好它。 ## 09、链接与概念说明 - Spring AI：面向 Java 生态的 AI 应用开发框架，提供消息模型、模板和数据接入能力。 - Message：Prompt 的最小组成单位，包含角色和文本内容。常见角色有 System、User、Assistant。 - System Message：系统消息，设定助手角色、回答边界、输出规范。 - User Message：用户消息，承载具体问题或业务上下文。 - Assistant Message：助手消息，可作为历史对话上下文传给模型。 - PromptTemplate：提示词模板，支持占位符和参数渲染，和 MVC View、SQL 占位符思路一致。 - 默认 System Prompt：项目级别的统一系统提示词，可为所有场景兜底。 - 版本号规范：建议至少包含场景名、版本号、更新时间、负责人。版本号可打印到日志，方便线上回溯。延伸阅读建议从 Spring AI 官方文档的提示词与消息章节开始，再对比 MVC 模板引擎和 PreparedStatement 的演进思路，会更容易理解为什么会走到模板化这一步。

2026-09-03

精选列表

当 AI 告诉你「测试全过」时：3 次被拆穿的假警报

听漏仪灵敏度怎么看：3个指标别混淆

Vue 3 的 watch 与 watchEffect：何时用哪个，以及如何避免重复触发

iPhone 屏幕锁死：卡死、设备停用场景，3 种处理方案实测

Vue 3 中 watch 和 watchEffect 的竞态问题与清理函数实战

Vue 3 中 watch 与 watchEffect 的竞态问题与清理函数实战

用 WorkBuddy 做 A 股复盘，我从 3 小时干到 20 分钟

医疗行业AI化的3大痛点，来看WorkBuddy 怎么逐个击破？

Vue 3 中 reactive 对象解构后丢失响应式，如何正确处理

AI编程翻车后，将开发环境RPO从24小时降至3秒

Vue 3 中如何优雅地监听 Pinia store 中某个 state 的变化？

阶跃星辰发布 Step Audio 3 系列语音模型，多款上榜全球第一

Agent渡劫48关-第3关-模型为什么会选择这个Tool？

我用 GPT-6 给江南大学建了个 3D 沙盘

GoFrame + Vue3 后台上云时，前端 dist 如何托管和验收？

3分钟自查标书重复率，免费、不用注册、打开就能用

《Spring AI 2.0实战》第3招 Prompt不只是字符串

Hy4 preview 还是 Hy3？WorkBuddy 里怎么选更划算

多 Agent 协作：3 个 AI 组队干活，比 1 个强 10 倍

WorkBuddy 第一次用：3 个立刻提效的动作

资源下载

Mario

Rocky Linux

优质分享App

Sublime Text

欢迎您来访！