## 01、痛点

你有没有见过这样的项目：一开始想做个简单的智能问答，系统提示词只有三行。三个月后，这个提示词变成了四百多行，里面塞了角色设定、输出格式、历史记忆、租户编码、知识库检索片段、日志要求、安全约束，还有一堆为了“防止模型乱说话”而加的补丁规则。

我是老李，见过太多团队把 Spring AI 里的 ChatClient 当成一个拼接字符串的工具。每次调用模型前，Service 里都有一段很长的 PromptUtils 或拼装逻辑；每次加需求，就往系统提示词里加一段；每次出问题，再往里加一段“你必须注意”的新规则。

这种做法短期能跑，长期一定痛。第一，上下文预算被大量挤占，真正该给业务知识的位置变少。第二，职责混乱，租户上下文、记忆策略、知识检索和业务指令耦合在一起，改一行可能影响全部。第三，没法测试，你只能整体测一个 prompt，不能单独验证租户注入是否准确。第四，不能复用，别的服务需要同样的记忆策略，只能复制粘贴。第五，团队协作很困难，评审 prompt 像评审一篇长文，越看越晕。

问题不是大家不够聪明，而是缺少一个工程化的拦截点，把这些重复模式从字符串里剥离出来。

## 02、是什么

Advisor API 是 Spring AI 中很有 Spring 味道的一层。你可以把它类比为 Servlet Filter、Spring MVC Interceptor 或 AOP 切面，只不过它拦截的不是 HTTP 请求，也不是 Bean 方法，而是模型调用链。

一次模型调用，从 ChatClient 发起，到把 Prompt 发给模型，再到拿回响应，整个过程可以经过多个 Advisor。每个 Advisor 都有机会在请求发出前修改请求，在响应返回后修改响应。这样 Memory 注入、RAG 检索、日志记录、租户隔离、安全策略等，都能封装成一个个 Advisor。

Spring AI 内置了 MessageChatMemoryAdvisor，用于把历史消息自动追加到上下文；QuestionAnswerAdvisor，用于对接向量库，把检索到的文档片段注入 Prompt；还有安全兜底、简单日志等实现。它们不再是散落的代码片段，而是可以组合、排序、复用的组件。

Advisor 的核心价值是，Prompt 本身回到它该有的样子：表达业务目标和约束；而横切关注点，交给代码层统一处理。

## 03、为什么

为什么所有逻辑都塞进 System Prompt 不利于维护？因为它混淆了两种完全不同的东西：数据和工程控制点。

System Prompt 本质是发给模型的数据，它描述任务、角色、边界和期望输出。租户上下文、历史记忆、知识检索结果、日志记录，这些是策略，是工程控制点。把策略硬塞进数据里，每次调整策略都要改文本，每次要测试策略都要整体回归，每次要复用策略都要复制一大段 prompt。

我见过一个实际场景：一个多租户 SaaS 系统，最初把租户编码写在系统提示词里，用了“你只能查询当前租户的数据”这句话。后来运维要求每次请求都记录租户和模型名，开发只好在 Service 里手工拼装请求日志。再后来业务要接入知识库，又复制了检索逻辑到三个服务里。每个服务 Service 层都长得不一样，还都觉得自己没问题。

Advisor 把“怎么说”和“说什么”分开。业务提示词只在 Service 定义一次，租户上下文、记忆注入、RAG、日志等作为 Advisor 挂在调用链上。这样修改策略只需要动一个类，新服务复用只需要挂同一个 Advisor，测试也变成了单元测试和链路测试。

这也是 Spring 框架最擅长的一件事：把到处重复的逻辑抽象成一个对象，再让这个对象变成可插拔能力。

## 04、架构

从调用链看，Advisor 很像是过滤器链。ChatClient 把一个请求交给第一个 Advisor，这个 Advisor 做完前置处理后，再调用链上的下一个 Advisor；直到最里层真正发起模型调用；响应返回后，再按照相反顺序经过每个 Advisor 的后置处理。

Spring AI 中，RequestResponseAdvisor 可以同时处理请求和响应；CallAdvisor 更轻量，只关注请求阶段；StreamAdvisor 则服务于流式响应。内置组件都基于这些接口实现。以 MessageChatMemoryAdvisor 为例，它在请求前读取对话记忆，把历史消息追加到上下文；响应返回后，把新的一问一答写回记忆。QuestionAnswerAdvisor 则在请求前用当前问题去向量库检索，把相似文档追加到 Prompt。SafeGuardAdvisor 可以在响应后校验敏感词或兜底输出。

自定义 Advisor 并不复杂。你只要拿到当前 AdvisedRequest，修改它的系统提示词、用户消息或上下文，然后调用 chain.next 把请求继续往下传；响应回来时再判断是否需要替换或裁剪。

这种设计的好处是组合性。多个 Advisor 可以按顺序链在一起，形成一个稳定的 AI 调用流水线，而不是在 Service 里零散地堆 if-else。

## 05、实战

以多租户知识库问答为例，我们做三件事：引入记忆、接入 RAG、注入租户上下文。

第一步，装配内置 Advisor。假设项目已经引入 Spring AI 的 starter，我们先定义一个 ChatClient bean，把 MessageChatMemoryAdvisor 和 QuestionAnswerAdvisor 作为默认 Advisor 组合进去：

```java
var chatClient = builder
    .defaultAdvisors(memoryAdvisor, questionAnswerAdvisor)
    .build();
```

这样每次调用都会自动带上最近对话记忆，也会自动把知识库检索结果追加到上下文。

第二步，自定义 TenantAdvisor。租户上下文一般存在 ThreadLocal 里，由上游拦截器放入。我们需要把它注入到请求中，避免业务 Service 每次手工拼装。

```java
public class TenantAdvisor implements RequestResponseAdvisor {
    public AdvisedResponse adviseRequest(AdvisedRequest request, AdvisorChain chain) {
        String tenant = TenantContext.getCode();
        String extra = System.lineSeparator() + “当前租户编码：” + tenant;
        AdvisedRequest updated = AdvisedRequest.from(request)
            .systemText(request.getSystemText() + extra)
            .build();
        return chain.next(updated);
    }
}
```

这里没有让业务代码知道租户注入的细节，也没有把租户信息散落到每个 Service。

第三步，组合并使用。把 TenantAdvisor 加入默认 Advisor 列表：

```java
var chatClient = builder
    .defaultAdvisors(memoryAdvisor, questionAnswerAdvisor, tenantAdvisor)
    .build();
```

现在，业务 Service 的调用可以非常干净：

```java
String answer = chatClient.prompt()
    .user(“查询这个客户的订单风险”)
    .call()
    .content();
```

把记忆、知识库和租户策略从业务调用中完全解耦。注意上面代码是示意，实际项目需要根据 Spring AI 版本微调接口名称。

## 06、洞见

Advisor 让“Prompt 技巧”开始变成可测试、可组合、可复用的 Java 工程组件。这句话值得展开。

过去很多团队把提示词经验停在“怎么写更有效”的层面，经验存在人的脑子里，或者散落在文档里。现在，我们可以把“怎么注入记忆”“怎么检索知识”“怎么做租户隔离”这类经验固化成 Advisors。它们有明确的边界、有单元测试、有版本管理，可以被不同项目引用。

可测试意味着你能单独验证 TenantAdvisor 是否正确注入当前租户编码，不用每次对着大段 prompt 做人工评审。可组合意味着你可以像搭积木一样，给一个 ChatClient 挂上记忆、RAG、日志、限流等不同策略。可复用意味着同一个 Advisors 包可以在多个 Spring Boot 服务里共享。

这也是 Spring 一直以来的设计哲学：不发明新概念，而是把成熟的后端工程模式迁移到新领域。Servlet Filter、MVC Interceptor、AOP 都是证明过的方法。今天模型调用也需要这种模式。

## 07、行动

建议你立刻做一次自查：在你的 AI 业务代码里，有没有逻辑被重复三次以上？如果有，而且它发生在模型调用之前或之后，就把它抽成 Advisor。

优先看这几类：租户或用户上下文注入、对话历史记忆、知识库检索、日志与审计、输出格式校验、敏感词兜底。它们是天然的横切关注点，不应该待在 Service 里。

落地顺序可以很简单。先花半天时间把内置的 MessageChatMemoryAdvisor、QuestionAnswerAdvisor 用起来，理解链式调用；再写一个最简单的自定义 Advisor，比如在当前系统提示词末尾追加一条固定规则；最后把项目中重复的组装逻辑逐步迁移。切记不要一次重构所有业务，先选一个服务试点。

如果你的系统提示词已经超过一百行，不要继续加规则，先把它拆成“业务指令”和“横切策略”两部分。前者留在 Prompt，后者交给 Advisor。

## 08、小结

Spring AI 的 Advisor 本质上是一个模型调用链拦截器。它解决的不是“模型不够聪明”的问题，而是“业务代码和模型策略耦合太重”的问题。

把 Memory、RAG、租户上下文、日志这些横切逻辑从 System Prompt 中抽出来，封装成 Advisor，能让 Prompt 更聚焦，让代码更干净，让团队协作更顺畅。对 Java 开发者来说，这是非常熟悉的 Spring 味道——用工程化方式管理复杂度。

真正成熟的 AI 应用开发，不会靠一段无限增长的系统提示词续命，而是靠稳定的、可测试的、可组合的组件。

## 09、链接与概念说明

概念说明：

Spring AI：Spring 官方推出的面向 AI 应用开发的框架，提供模型门户、向量数据库、检索增强等能力。

ChatClient：Spring AI 中负责与模型对话的客户端入口。

Advisor：本文主角，模型调用链上的拦截器，可修改请求和响应。

AdvisorChain：Advisor 链接口，当前 Advisor 处理后可调用 next 继续。

MessageChatMemoryAdvisor：内置记忆 Advisor，负责注入历史消息和回写对话。

QuestionAnswerAdvisor：内置问答 Advisor，负责从向量库检索文档并注入 Prompt。

RequestResponseAdvisor：请求响应 Advisor 接口，可同时处理前置和后置。

System Prompt：发送给模型的系统提示词，定义角色、背景与边界。

ThreadLocal：线程本地变量，常用于传递租户上下文，但要注意清理。

推荐阅读：Spring AI 官方文档中的 Advisor 章节，以及 ChatClient 与 Chat Memory 部分。实际使用请以你依赖的版本为准。

你有没有见过这样的项目：一开始想做个简单的智能问答，系统提示词只有三行。三个月后，这个提示词变成了四百多行，里面塞了角色设定、输出格式、历史记忆、租户编码、知识库检索片段、日志要求、安全约束，还有一堆为了“防止模型乱说话”而加的补丁规则。

《Spring AI 2.0实战》第12招 Advisor就是AI拦截器

Spring AI Advisor 是什么、为什么能把横切逻辑从 System Prompt 中剥离，以及如何用 Memory、RAG 和自定义租户 Advis

架构师

编程语言

SpringAI的Advisor拦截器能有效解耦模型调用链，将记忆注入、RAG检索、租户隔离等横切逻辑从SystemPrompt中剥离，解决提示词膨胀、职责混乱与复用困难问题。本文详解其架构原理与多租户实战，助力Java开发者以工程化组件管理AI应用复杂度。

向量数据库

AI应用开发

单元测试

代码解释

数据库

SaaS

Java

2026上云采购 | AI焕新·智启新局

advisor

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

《Spring AI 2.0实战》第12招 Advisor就是AI拦截器-腾讯云开发者社区-腾讯云

《Spring AI 2.0实战》第12招 Advisor就是AI拦截器

《Spring AI 2.0实战》第12招 Advisor就是AI拦截器

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐