精控Spring AI日志

还在为 Spring AI 默认的日志抓狂吗？想看日志却看不到，一开 DEBUG 就刷屏... 别慌！
今天 NEO 带你解锁一个神级操作：自定义 Advisor，让你轻松掌控 AI 调用的每一个细节！
Advisor 是什么？Spring AI 的“拦截器”

如果你玩过 Servlet 的 Filter 或者 Spring AOP 的切面，那 Advisor 对你来说就是老朋友了。
简单来说，Spring AI 的 Advisor 就是一个调用拦截器。它能在你的代码调用大模型之前和之后“插一脚”，执行一些额外的操作。
想在调用前做个权限校验？或者在调用后记个详细日志？用 Advisor 就对了！
官方虽然提供了一些现成的 Advisor，但实际业务场景千变万化，总有不满足需求的时候。这时候，我们就需要自己动手，丰衣足食！
四步搞定！定制你的专属 Advisor

想拥有自己的 Advisor？跟着下面四步走，轻松搞定！
1）选择“岗哨”接口
根据你的需求，选择实现一个或两个接口：

• CallAroundAdvisor：处理普通的同步请求（非流式）。
  
• StreamAroundAdvisor：处理酷炫的流式请求。
  

强烈建议两个都实现，全方位无死角！

1. public class MyCustomAdvisor implements CallAroundAdvisor, StreamAroundAdvisor {
2.     // 实现方法...
3. }

复制代码

2）实现核心“拦截”方法
这是 Advisor 的灵魂所在，你可以在这里对请求和响应为所欲为。

• 非流式处理 (aroundCall) ：
  

1. @Override
2. public AdvisedResponse aroundCall(AdvisedRequest advisedRequest, CallAroundAdvisorChain chain) {
3.     // 1. 请求到达，先处理一下（前置处理）
4.     AdvisedRequest modifiedRequest = processRequest(advisedRequest);
5.    
6.     // 2. 放行，让请求继续前进
7.     AdvisedResponse response = chain.nextAroundCall(modifiedRequest);
8.    
9.     // 3. 响应返回，再处理一下（后置处理）
10.     return processResponse(response);
11. }

复制代码

• 流式处理 (aroundStream) ：
  

1. @Override
2. public Flux aroundStream(AdvisedRequest advisedRequest, StreamAroundAdvisorChain chain) {
3.     // 1. 处理请求
4.     AdvisedRequest modifiedRequest = processRequest(advisedRequest);
5.    
6.     // 2. 调用链并处理流式响应
7.     return chain.nextAroundStream(modifiedRequest)
8.                .map(response -> processResponse(response)); // 对流中每个元素进行处理
9. }

复制代码

3）排个队，定个序
通过 getOrder() 方法告诉 Spring AI 你的 Advisor 应该在什么时候执行。数字越小，优先级越高，越先被执行。

1. @Override
2. public int getOrder() {
3.     // 值越小优先级越高，越先执行
4.     return 100;
5. }

复制代码

4）取个独一无二的名字
给你的 Advisor 一个响亮的名号！

1. @Override
2. public String getName() {
3.     return "NEO自定义的 Advisor";
4. }

复制代码

下面，进入实战环节！
实战：告别 DEBUG！打造 INFO 级日志神器

Spring AI 自带的 SimpleLoggerAdvisor 日志拦截器，看似贴心，实则有点“坑”——它用的是 Debug 级别输出日志。
而 Spring Boot 项目默认的日志级别是 Info，导致我们根本看不到任何日志输出！

（默认 Info 级别，看不到任何日志）
当然，你可以粗暴地修改配置文件，把日志级别调成 Debug：

1. logging:
2.   level:
3.     org.springframework.ai.chat.client.advisor.SimpleLoggerAdvisor: debug

复制代码

日志是出来了，但又带来了新的问题：信息太杂乱！

（Debug 级别日志，信息过于繁杂）
为了更优雅地解决问题，我们来自己实现一个日志 Advisor：默认打印 Info 级别日志，并且只输出我们最关心的用户提问和 AI 回复。
在自己项目根包下新建 advisor 包，编写我们的日志神器 MyLoggerAdvisor：

1. /**
2. * 自定义日志 Advisor 打印 info 级别日志、只输出单次用户提示词和 AI 回复的文本
3. **/
4. @Slf4j
5. public class MyLoggerAdvisor implements CallAroundAdvisor, StreamAroundAdvisor {
7.     /**
8.      * 获取 Advisor 的唯一名称
9.      */
10.     @NotNull
11.     @Override
12.     public String getName() {
13.         return this.getClass().getSimpleName();
14.     }
16.     /**
17.      * 设置执行顺序，0 表示较高优先级
18.      */
19.     @Override
20.     public int getOrder() {
21.         return 0;
22.     }
24.     /**
25.      * 调用前置处理：记录用户请求
26.      */
27.     private AdvisedRequest before(AdvisedRequest request) {
28.         log.info("AI Request: {}", request.userText());
29.         return request;
30.     }
32.     /**
33.      * 调用后置处理：记录 AI 响应
34.      */
35.     private void observeAfter(AdvisedResponse advisedResponse) {
36.         log.info("AI Response: {}", advisedResponse.response().getResult().getOutput().getContent());
37.     }
39.     /**
40.      * 环绕处理（非流式）
41.      */
42.     public AdvisedResponse aroundCall(AdvisedRequest advisedRequest, CallAroundAdvisorChain chain) {
43.         // 1. 调用前
44.         advisedRequest = this.before(advisedRequest);
46.         // 2. 放行
47.         AdvisedResponse advisedResponse = chain.nextAroundCall(advisedRequest);
49.         // 3. 调用后
50.         this.observeAfter(advisedResponse);
52.         return advisedResponse;
53.     }
55.     /**
56.      * 环绕处理（流式）
57.      */
58.     public Flux aroundStream(AdvisedRequest advisedRequest, StreamAroundAdvisorChain chain) {
59.         // 1. 调用前
60.         advisedRequest = this.before(advisedRequest);
62.         // 2. 放行
63.         Flux advisedResponses = chain.nextAroundStream(advisedRequest);
65.         // 3. 调用后，使用 MessageAggregator 聚合流式响应，然后统一记录
66.         return (new MessageAggregator())
67.                 .aggregateAdvisedResponse(
68.                         advisedResponses,
69.                         this::observeAfter
70.                 );
71.     }
72. }

复制代码

代码小贴士：在流式处理 aroundStream 中，我们用 MessageAggregator 工具类将零散的 Flux 响应聚合成一个完整的响应，这样就能在日志中打印出最终的、完整的 AI 回复，而不是一堆零散的数据块。

最后，在 App 中“装备”上我们刚出炉的日志神器：

1. public App(ChatModel ollamaChatModel) {
2.     // 初始化基于内存的对话记忆
3.     ChatMemory chatMemory = new InMemoryChatMemory();
4.     chatClient = ChatClient.builder(ollamaChatModel)
5.             .defaultSystem(SYSTEM_PROMPT)
6.             .defaultAdvisors(
7.                     new MessageChatMemoryAdvisor(chatMemory),
8.                     // 替换掉官方的 SimpleLoggerAdvisor
9.                     // new SimpleLoggerAdvisor()
10.                     // 使用我们自定义的日志 Advisor
11.                     new MyLoggerAdvisor()
12.             )
13.             .build();
14. }

复制代码

现在再运行程序，看看效果如何？

（效果拔群！清爽的 Info 级别日志）
看！日志变得如此清爽，只留下了我们最需要的信息。
通过自定义 Advisor，我们不仅解决了日志记录的痛点，更解锁了 Spring AI 的一个强大扩展点。无论是鉴权、计费、还是更复杂的业务逻辑，都可以通过 Advisor 优雅地实现，让你的 AI 应用更加健壮和灵活。
你还有哪些使用 Advisor 的奇思妙想？欢迎在评论区留言讨论！
如果觉得这篇文章对你有帮助，别忘了点赞、在看、分享三连哦！

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！