基础聊天循环

[ L00 ] L01 > L02 > L03 > L04 > L05 > L06 | L07 > L08 > L09 > L10 > L11 > L12 > L13

"发一个 prompt, 收一个回复" -- 与 LLM 最简单的交互。

问题

构建智能体之前, 得先能和模型对话。OpenAI Java SDK 处理了 HTTP、认证和序列化, 但你仍需理解请求/响应结构: 模型选择、系统提示注入和响应提取。

解决方案

+--------+      +-------+      +----------+
|  User  | ---> |  LLM  | ---> | Response |
| prompt |      |       |      |  text    |
+--------+      +-------+      +----------+

没有循环。没有工具。一个请求, 一个响应。

工作原理

1. 配置客户端 -- API Key、Base URL 和可选代理。

Proxy proxy = new Proxy(Proxy.Type.HTTP, new InetSocketAddress(proxyHost, proxyPort));

OpenAIClient client = OpenAIOkHttpClient.builder()
        .apiKey(apiKey)
        .baseUrl(baseUrl)
        .proxy(proxy)
        .build();

OpenAIOkHttpClient 的 builder 封装了所有 HTTP 管道。代理是可选的 -- 如果可以直连 API 则不需要。

1. 构建请求 -- 模型、系统消息和用户消息。

ChatCompletionCreateParams.Builder paramsBuilder = ChatCompletionCreateParams.builder()
        .model(ChatModel.of(modelName));

if (systemPrompt != null && !systemPrompt.isEmpty()) {
    paramsBuilder.addSystemMessage(systemPrompt);
}
paramsBuilder.addUserMessage(userPrompt);

ChatModel.of(modelName) 接受任意模型字符串 -- "gpt-4o"、"gpt-4o-mini" 或自定义部署名。系统消息设定角色人设; 用户消息是真正的 prompt。

1. 发送请求并提取响应。

ChatCompletion completion = client.chat().completions().create(paramsBuilder.build());
String response = completion.choices().get(0).message().content().orElse("No response");

content() 返回 Optional<String>, 因为模型可能返回工具调用而不是文本 (我们将在 Lesson 1 中看到)。这里我们直接解包。

没有循环, 没有工具, 没有消息累积。这是所有后续课程的基线。

变更内容

组件	之前	之后
LLM 调用	(无)	单次请求/响应
客户端	(无)	OpenAI Java SDK + 代理
消息	(无)	系统消息 + 用户消息
控制流	(无)	线性 (无循环)

试一试

cd ai-agent-learning
mvn spring-boot:run -pl openai -Dspring-boot.run.arguments="--lesson=lesson0 --prompt='你好, 你能做什么?'"

源码: Lesson0RunSimple.java