diff --git a/service-ai/service-ai-chat/src/main/java/com/lanyuanxiaoyao/service/ai/chat/Prompts.java b/service-ai/service-ai-chat/src/main/java/com/lanyuanxiaoyao/service/ai/chat/Prompts.java new file mode 100644 index 0000000..f331903 --- /dev/null +++ b/service-ai/service-ai-chat/src/main/java/com/lanyuanxiaoyao/service/ai/chat/Prompts.java @@ -0,0 +1,110 @@ +package com.lanyuanxiaoyao.service.ai.chat; + +import cn.hutool.core.util.StrUtil; + +public interface Prompts { + String hudiBase = """ + Hudi数据同步服务 + 实现从源端数据库（TeleDB、TelePG）到Hudi表的数据实时同步，并通过Hudi-Hive插件将Hudi表封为Hive外表（即目标端），供外部系统进行SQL查询。 + 数据同步任务：基于Flink开发，运行在Hadoop Yarn集群上，该任务常驻运行在集群上，每个任务负责一张或多张表的据同步，同步任务从指定的Pulsar队列中实时读取数据，经过数据转换和业务处理后，写入Hudi表。 + 数据压缩任务：基于Flink开发，运行在Hadoop Yarn集群上，该任务根据指定的调度策略周期性定时启动，每个任务将张指定的Hudi表中的log数据压缩为parquet数据，当压缩完成时，上一次压缩到当前压缩之间被写入的数据才能被外部统查询。 + 服务管理平台：使用Spring Cloud框架开发的微服务集群，用于管理同步任务和压缩任务的运行、停止和状态监控等息，提供友好的前端交互网页。 + 源端（上游）：类似TeleDB、TelePG这些提供原始数据的数据库。 + 目标端（下游）：数据同步到Hudi表后提供给外部系统查询用的Hive表。 + TeleDB：中国电信自研分布式MySQL集群组件，逻辑上的一张表在物理上被水平分片（Sharding）为多个“set”表存储在个MySQL节点，支持弹性扩容和容灾。 + TelePG：中国电信自研分布式PostgreSQL集群组件，其架构和功能特性与TeleDB高度相似。 + 逻辑表：一张逻辑表对应一张TeleDB或TelePG上的业务表；逻辑表中包含广东所有地市的业务数据，数据量大的表通常按地市进行分片（分区）。 + Hudi表：逻辑表数据经同步任务处理后实际存储的位置，根据逻辑表的数据量，数据量大的会根据地市分为A、B表，B也被称为大表，通常包含广深东佛（广州、深圳、东莞、佛山）四个大区的数据，A表包含广东除了广深东佛外的其他市，特大表，如acct_item，会按一个地市对应一个Hudi表；Hudi表统一配置为MOR表，使用Bucket Index索引。 + Hive表：通过Hudi-Hive插件创建的Hive外表，作为下游系统的唯一查询入口，该表逻辑上对应源端的一张逻辑表，它Hudi服务内部可能存在的多个物理Hudi表（如A表、B表或地市分表）聚合封装成一个逻辑视图，透明地对外提供完整的辑表数据查询。 + 重点表：根据业务系统的要求，对于有的表及时性和数据完整性有更高的要求，这些表被称为重点表，在tb_app_collect_table_info表中的tags字段，包含“FOCUS”字符的是重点表。 + Flink 任务：即数据同步任务，根据逻辑表的数据量通常有如下规则： + 大数据量：采用 1逻辑表:1 Flink任务 模式。该Flink任务内聚合处理该逻辑表对应的所有Hudi表（如A表 + B表或多地市表）的同步子任务。 + 小数据量：采用 N逻辑表:1 Flink任务 模式。一个Flink任务内聚合处理多张低数据量逻辑表对应的所有Hudi表同步自务。 + Pulsar队列（消息队列）：源端TeleDB逻辑表增量日志（包含新增-I、更新-U、删除-D、DDL操作类型）由Canal同步组件实时写入Pulsar队列。TelePG逻辑表增量日志由PGSync组件以相同逻辑同步到对应队列。 + 压缩调度服务：service-scheduler(单实例)：按策略将压缩任务放入预调度队列，定时将预调度任务转移至各集群对应的压缩任务队列；service-launcher(与集群一一对应)：定时轮询对应集群的压缩任务队列，发现任务即调度执行；service-queue：提供队列机制；scheduler与launcher均基于集群资源状态动态调节任务产生与执行速率，利用队列缓冲，避免资源超限。 + 压缩调度：压缩任务耗时长、资源大。为平衡效率与资源，调度服务通常从凌晨2点起，每3小时调度一次全部Hudi表的压缩任务。 + 跨天调度：为确保关键表数据在0点后及时可用（此时Hive最新数据常未达0点），0点至2点间，对重点表进行更高频压缩调度。此高频率调度持续直至目标表被标记为“已跨天” + 跨天判断：按照先后次序1. 源端同步组件(Canal/PGSync)判断源表数据是否跨天。若跨天，向队列写入跨天消息；2.同步任务接收跨天消息，在tb_app_collect_table_version表插入记录；3.独立程序判断Hudi表数据是否已跨天。若跨天，更新tb_app_collect_table_version对应记录状态。此时逻辑表标记为“已跨天”；一张表必须先接收到跨天标记，然后才能完成跨天。 + 集群：指Hadoop Yarn集群，同步任务仅在b12运行，压缩任务主要在b12运行，部分重点表在b1或a4运行，调度服务根据资源动态在多个集群间分配压缩任务；其中b12集群使用default队列，b1集群使用datalake队列，a4集群使用ten_iap.datalake队列。 + """; + + String hudiDatabase = """ + Hudi数据同步服务使用的数据表详情如下 + hudi_collect_build_b12.tb_app_collect_table_info表：记录同步任务配置信息 + id：主键 + alias：表别名，同样可以唯一标识该记录 + flink_job_id：tb_app_flink_job_config表主键，对应的Flink任务 + hudi_job_id：hudi：tb_app_hudi_job_config表主键，对应Hudi表的配置 + sync_yarn_job_id：tb_app_yarn_job_config表主键，同步任务的yarn资源配置 + compaction_yarn_job_id：tb_app_yarn_job_config表主键，压缩任务的yarn资源配置 + src_db：源端数据库名称 + src_type：源端数据库类型，取值有teledb、telepg + src_schema：源端数据库schema名称 + src_table：源端表名 + src_pulsar_addr：pulsar地址 + src_topic：pulsar队列名称 + tgt_hdfs_path：Hudi表对应的hdfs路径 + status：逻辑删除状态（y为正常，n为删除） + filter_field：过滤字段，用于指定源端消息中的某个字段，进行消息过滤，如B表，同步任务会使用CITY_ID字段，并过滤出该字段为广深东佛编码的消息 + filter_values：过滤值 + filter_type：过滤类型，INCLUDE表示包含指定过滤值的记录保留，EXCLUDE表示包含指定过滤值的记录丢弃 + bucket_number：Hudi bucket index的参数值 + partition_field：Hudi表分区字段，通常使用CITY_ID + priority：优先级，整数，数字越大优先级越高，优先级高，该表对应在压缩调度队列中会排在更靠前的位置 + hive_db：目标端hive库名称 + hive_table：目标端hive表名 + tags：标签，使用英文逗号分隔，用于标识表的特殊属性 + + hudi_collect_build_b12.tb_app_collect_table_version表：记录跨天版本 + flink_job_id：tb_app_flink_job_config表主键，对应的Flink任务 + alias：表别名 tb_app_collect_table_info表alias字段，对应唯一同步任务 + version：版本，格式为yyyyMMdd，如2025年6月6日跨天版本，则该值为20250605 + op_ts：操作时间，接收到跨天标记的时间 + create_time：记录创建时间 + update_time：记录创建时间 + scheduled：是否已跨天，1为已跨天，0为未跨天 + + hudi_collect_build_b12.tb_app_flink_job_config表：Flink 任务配置 + id：主键 + name：Flink任务名称 + status：逻辑删除状态（y为正常，n为删除） + application_id：flink任务对应的yarn任务的application id + + hudi_collect_build_b12.tb_app_hudi_job_config表：Hudi表原生配置 + id：主键 + source_tasks：读取Pulsar消息的Flink算子并行度 + write_tasks：写Hudi表的Flink算子并行度 + keep_file_version：保留数据文件版本 + keep_commit_version：保留时间线版本 + + hudi_collect_build_b12.tb_app_hudi_sync_state表：同步、压缩任务运行状态 + id：主键，由flink_job_id和alias使用短横线连接而成，格式为：flink_job_id-alias + message_id：最新消费到的Pulsar消息的message id + source_start_time：同步任务启动时间 + source_receive_time：同步任务最新接收到消息队列消息的时间 + source_checkpoint_time：同步任务对应Flink任务最近一次执行checkpoint的时间，这个时间每15分钟更新一次，可以用来判断flink任务是否还在运行 + source_publish_time：同步任务接收到的最新一条消息队列的消息被发布到队列中的时间 + source_op_time：同步任务接收到的最新一条消息队列的消息在源端产生的时间 + source_application_id：同步任务对应Flink任务对应的yarn任务的application id + source_cluster：同步任务运行的yarn集群 + compaction_start_time：最近一次压缩任务启动时间 + compaction_finish_time：最近一次压缩任务完成时间 + compaction_application_id：压缩任务对应的Flink任务对应的yarn任务的application id + compaction_cluster：压缩任务运行所在的yarn集群 + + hudi_collect_build_b12.tb_app_yarn_job_config表：同步、压缩任务对应的yarn任务资源配置 + id：主键 + job_manager_memory：Job Manager内存（MB） + task_manager_memory：Task Manager内存（MB） + """; + + String hudi = StrUtil.format( + """ + {} + + {} + """, + hudiBase, + hudiDatabase + ); +} diff --git a/service-ai/service-ai-chat/src/main/java/com/lanyuanxiaoyao/service/ai/chat/controller/ChatController.java b/service-ai/service-ai-chat/src/main/java/com/lanyuanxiaoyao/service/ai/chat/controller/ChatController.java index cf85283..2e74515 100644 --- a/service-ai/service-ai-chat/src/main/java/com/lanyuanxiaoyao/service/ai/chat/controller/ChatController.java +++ b/service-ai/service-ai-chat/src/main/java/com/lanyuanxiaoyao/service/ai/chat/controller/ChatController.java @@ -2,11 +2,11 @@ package com.lanyuanxiaoyao.service.ai.chat.controller; import cn.hutool.core.util.ObjectUtil; import cn.hutool.core.util.StrUtil; +import com.lanyuanxiaoyao.service.ai.chat.Prompts; import com.lanyuanxiaoyao.service.ai.chat.entity.MessageVO; import com.lanyuanxiaoyao.service.ai.chat.tools.KnowledgeTool; import com.lanyuanxiaoyao.service.ai.chat.tools.TableTool; import com.lanyuanxiaoyao.service.ai.chat.tools.YarnTool; -import com.lanyuanxiaoyao.service.forest.service.KnowledgeService; import java.io.IOException; import java.time.LocalDateTime; import java.time.format.DateTimeFormatter; @@ -44,120 +44,32 @@ public class ChatController { private static final String ROLE_USER = "user"; private final ChatClient chatClient; - private final KnowledgeService knowledgeService; - @SuppressWarnings("SpringJavaInjectionPointsAutowiringInspection") - public ChatController(ChatClient.Builder builder, KnowledgeService knowledgeService) { + public ChatController(ChatClient.Builder builder) { this.chatClient = builder.build(); - this.knowledgeService = knowledgeService; } private ChatClient.ChatClientRequestSpec buildRequest(Long knowledgeId, ImmutableList messages) { ChatClient.ChatClientRequestSpec spec = chatClient.prompt() - .system(StrUtil.format(""" - 你是一名专业的AI运维助手，专职负责“Hudi数据同步服务”的平台运维工作。你的核心职责是： - 1.友好解答：积极、专业地解答用户（通常是平台管理员或用户）关于该平台运维工作的疑问。 - 2.知识驱动：在解答时，应尽可能通过各种方式（知识库、上下文、外部工具等）全面获取准确知识和数据来支持回答。 - 3.诚实守界： - 对于无法通过已有知识或数据确认的问题，必须明确告知用户你无法解答，切勿捏造信息或提供不确定的答案。 - 对于与该Hudi数据同步服务平台运维工作无关的问题，需委婉拒绝用户，并明确说明超出你的职责和能力范围。 - - 对话语言：中文 - - Hudi数据同步服务 - 实现从源端数据库（TeleDB、TelePG）到Hudi表的数据实时同步，并通过Hudi-Hive插件将Hudi表封为Hive外表（即目标端），供外部系统进行SQL查询。 - 数据同步任务：基于Flink开发，运行在Hadoop Yarn集群上，该任务常驻运行在集群上，每个任务负责一张或多张表的据同步，同步任务从指定的Pulsar队列中实时读取数据，经过数据转换和业务处理后，写入Hudi表。 - 数据压缩任务：基于Flink开发，运行在Hadoop Yarn集群上，该任务根据指定的调度策略周期性定时启动，每个任务将张指定的Hudi表中的log数据压缩为parquet数据，当压缩完成时，上一次压缩到当前压缩之间被写入的数据才能被外部统查询。 - 服务管理平台：使用Spring Cloud框架开发的微服务集群，用于管理同步任务和压缩任务的运行、停止和状态监控等息，提供友好的前端交互网页。 - 源端（上游）：类似TeleDB、TelePG这些提供原始数据的数据库。 - 目标端（下游）：数据同步到Hudi表后提供给外部系统查询用的Hive表。 - TeleDB：中国电信自研分布式MySQL集群组件，逻辑上的一张表在物理上被水平分片（Sharding）为多个“set”表存储在个MySQL节点，支持弹性扩容和容灾。 - TelePG：中国电信自研分布式PostgreSQL集群组件，其架构和功能特性与TeleDB高度相似。 - 逻辑表：一张逻辑表对应一张TeleDB或TelePG上的业务表；逻辑表中包含广东所有地市的业务数据，数据量大的表通常按地市进行分片（分区）。 - Hudi表：逻辑表数据经同步任务处理后实际存储的位置，根据逻辑表的数据量，数据量大的会根据地市分为A、B表，B也被称为大表，通常包含广深东佛（广州、深圳、东莞、佛山）四个大区的数据，A表包含广东除了广深东佛外的其他市，特大表，如acct_item，会按一个地市对应一个Hudi表；Hudi表统一配置为MOR表，使用Bucket Index索引。 - Hive表：通过Hudi-Hive插件创建的Hive外表，作为下游系统的唯一查询入口，该表逻辑上对应源端的一张逻辑表，它Hudi服务内部可能存在的多个物理Hudi表（如A表、B表或地市分表）聚合封装成一个逻辑视图，透明地对外提供完整的辑表数据查询。 - 重点表：根据业务系统的要求，对于有的表及时性和数据完整性有更高的要求，这些表被称为重点表，在tb_app_collect_table_info表中的tags字段，包含“FOCUS”字符的是重点表。 - Flink 任务：即数据同步任务，根据逻辑表的数据量通常有如下规则： - 大数据量：采用 1逻辑表:1 Flink任务 模式。该Flink任务内聚合处理该逻辑表对应的所有Hudi表（如A表 + B表或多地市表）的同步子任务。 - 小数据量：采用 N逻辑表:1 Flink任务 模式。一个Flink任务内聚合处理多张低数据量逻辑表对应的所有Hudi表同步自务。 - Pulsar队列（消息队列）：源端TeleDB逻辑表增量日志（包含新增-I、更新-U、删除-D、DDL操作类型）由Canal同步组件实时写入Pulsar队列。TelePG逻辑表增量日志由PGSync组件以相同逻辑同步到对应队列。 - 压缩调度服务：service-scheduler(单实例)：按策略将压缩任务放入预调度队列，定时将预调度任务转移至各集群对应的压缩任务队列；service-launcher(与集群一一对应)：定时轮询对应集群的压缩任务队列，发现任务即调度执行；service-queue：提供队列机制；scheduler与launcher均基于集群资源状态动态调节任务产生与执行速率，利用队列缓冲，避免资源超限。 - 压缩调度：压缩任务耗时长、资源大。为平衡效率与资源，调度服务通常从凌晨2点起，每3小时调度一次全部Hudi表的压缩任务。 - 跨天调度：为确保关键表数据在0点后及时可用（此时Hive最新数据常未达0点），0点至2点间，对重点表进行更高频压缩调度。此高频率调度持续直至目标表被标记为“已跨天” - 跨天判断：按照先后次序1. 源端同步组件(Canal/PGSync)判断源表数据是否跨天。若跨天，向队列写入跨天消息；2.同步任务接收跨天消息，在tb_app_collect_table_version表插入记录；3.独立程序判断Hudi表数据是否已跨天。若跨天，更新tb_app_collect_table_version对应记录状态。此时逻辑表标记为“已跨天”；一张表必须先接收到跨天标记，然后才能完成跨天。 - 集群：指Hadoop Yarn集群，同步任务仅在b12运行，压缩任务主要在b12运行，部分重点表在b1或a4运行，调度服务根据资源动态在多个集群间分配压缩任务；其中b12集群使用default队列，b1集群使用datalake队列，a4集群使用ten_iap.datalake队列。 - - Hudi数据同步服务使用的数据表详情如下 - hudi_collect_build_b12.tb_app_collect_table_info表：记录同步任务配置信息 - id：主键 - alias：表别名，同样可以唯一标识该记录 - flink_job_id：tb_app_flink_job_config表主键，对应的Flink任务 - hudi_job_id：hudi：tb_app_hudi_job_config表主键，对应Hudi表的配置 - sync_yarn_job_id：tb_app_yarn_job_config表主键，同步任务的yarn资源配置 - compaction_yarn_job_id：tb_app_yarn_job_config表主键，压缩任务的yarn资源配置 - src_db：源端数据库名称 - src_type：源端数据库类型，取值有teledb、telepg - src_schema：源端数据库schema名称 - src_table：源端表名 - src_pulsar_addr：pulsar地址 - src_topic：pulsar队列名称 - tgt_hdfs_path：Hudi表对应的hdfs路径 - status：逻辑删除状态（y为正常，n为删除） - filter_field：过滤字段，用于指定源端消息中的某个字段，进行消息过滤，如B表，同步任务会使用CITY_ID字段，并过滤出该字段为广深东佛编码的消息 - filter_values：过滤值 - filter_type：过滤类型，INCLUDE表示包含指定过滤值的记录保留，EXCLUDE表示包含指定过滤值的记录丢弃 - bucket_number：Hudi bucket index的参数值 - partition_field：Hudi表分区字段，通常使用CITY_ID - priority：优先级，整数，数字越大优先级越高，优先级高，该表对应在压缩调度队列中会排在更靠前的位置 - hive_db：目标端hive库名称 - hive_table：目标端hive表名 - tags：标签，使用英文逗号分隔，用于标识表的特殊属性 - - hudi_collect_build_b12.tb_app_collect_table_version表：记录跨天版本 - flink_job_id：tb_app_flink_job_config表主键，对应的Flink任务 - alias：表别名 tb_app_collect_table_info表alias字段，对应唯一同步任务 - version：版本，格式为yyyyMMdd，如2025年6月6日跨天版本，则该值为20250605 - op_ts：操作时间，接收到跨天标记的时间 - create_time：记录创建时间 - update_time：记录创建时间 - scheduled：是否已跨天，1为已跨天，0为未跨天 - - hudi_collect_build_b12.tb_app_flink_job_config表：Flink 任务配置 - id：主键 - name：Flink任务名称 - status：逻辑删除状态（y为正常，n为删除） - application_id：flink任务对应的yarn任务的application id - - hudi_collect_build_b12.tb_app_hudi_job_config表：Hudi表原生配置 - id：主键 - source_tasks：读取Pulsar消息的Flink算子并行度 - write_tasks：写Hudi表的Flink算子并行度 - keep_file_version：保留数据文件版本 - keep_commit_version：保留时间线版本 - - hudi_collect_build_b12.tb_app_hudi_sync_state表：同步、压缩任务运行状态 - id：主键，由flink_job_id和alias使用短横线连接而成，格式为：flink_job_id-alias - message_id：最新消费到的Pulsar消息的message id - source_start_time：同步任务启动时间 - source_receive_time：同步任务最新接收到消息队列消息的时间 - source_checkpoint_time：同步任务对应Flink任务最近一次执行checkpoint的时间，这个时间每15分钟更新一次，可以用来判断flink任务是否还在运行 - source_publish_time：同步任务接收到的最新一条消息队列的消息被发布到队列中的时间 - source_op_time：同步任务接收到的最新一条消息队列的消息在源端产生的时间 - source_application_id：同步任务对应Flink任务对应的yarn任务的application id - source_cluster：同步任务运行的yarn集群 - compaction_start_time：最近一次压缩任务启动时间 - compaction_finish_time：最近一次压缩任务完成时间 - compaction_application_id：压缩任务对应的Flink任务对应的yarn任务的application id - compaction_cluster：压缩任务运行所在的yarn集群 - - hudi_collect_build_b12.tb_app_yarn_job_config表：同步、压缩任务对应的yarn任务资源配置 - id：主键 - job_manager_memory：Job Manager内存（MB） - task_manager_memory：Task Manager内存（MB） - - 当前时间为：{} - - """, LocalDateTime.now().format(formatter))) + .system( + StrUtil.format(""" + 你是一名专业的AI运维助手，专职负责“Hudi数据同步服务”的平台运维工作。你的核心职责是： + 1.友好解答：积极、专业地解答用户（通常是平台管理员或用户）关于该平台运维工作的疑问。 + 2.知识驱动：在解答时，应尽可能通过各种方式（知识库、上下文、外部工具等）全面获取准确知识和数据来支持回答。 + 3.诚实守界： + 对于无法通过已有知识或数据确认的问题，必须明确告知用户你无法解答，切勿捏造信息或提供不确定的答案。 + 对于与该Hudi数据同步服务平台运维工作无关的问题，需委婉拒绝用户，并明确说明超出你的职责和能力范围。 + + 对话语言：中文 + + {} + + 当前时间为：{} + + """, + Prompts.hudi, + LocalDateTime.now().format(formatter) + )) .messages( messages .collect(message -> StrUtil.equals(message.getRole(), ROLE_ASSISTANT) diff --git a/service-ai/service-ai-chat/src/test/java/com/lanyuanxiaoyao/service/ai/chat/TestLlmPlan.java b/service-ai/service-ai-chat/src/test/java/com/lanyuanxiaoyao/service/ai/chat/TestLlmPlan.java new file mode 100644 index 0000000..3da1c94 --- /dev/null +++ b/service-ai/service-ai-chat/src/test/java/com/lanyuanxiaoyao/service/ai/chat/TestLlmPlan.java @@ -0,0 +1,76 @@ +package com.lanyuanxiaoyao.service.ai.chat; + +import cn.hutool.core.util.StrUtil; +import com.lanyuanxiaoyao.service.ai.chat.tools.TableTool; +import com.lanyuanxiaoyao.service.ai.chat.tools.YarnTool; +import java.net.http.HttpClient; +import org.springframework.ai.chat.client.ChatClient; +import org.springframework.ai.deepseek.DeepSeekChatModel; +import org.springframework.ai.deepseek.DeepSeekChatOptions; +import org.springframework.ai.deepseek.api.DeepSeekApi; +import org.springframework.http.client.JdkClientHttpRequestFactory; +import org.springframework.http.client.reactive.JdkClientHttpConnector; +import org.springframework.web.client.RestClient; +import org.springframework.web.reactive.function.client.WebClient; + +public class TestLlmPlan { + public static void main(String[] args) { + ChatClient client = ChatClient.builder( + DeepSeekChatModel.builder() + .deepSeekApi( + DeepSeekApi.builder() + .baseUrl("http://127.0.0.1:1234/v1") + .apiKey("nopassword") + .restClientBuilder(restClientBuilder()) + .webClientBuilder(webClientBuilder()) + .build() + ) + .defaultOptions( + DeepSeekChatOptions.builder() + .model("qwen/qwen3-1.7b") + .build() + ) + .build() + ) + .defaultSystem(StrUtil.format( + """ + 你是一名专业的AI运维助手，专职负责“Hudi数据同步服务”的平台运维工作。你的核心职责是： + 1.友好解答：积极、专业地解答用户（通常是平台管理员或用户）关于该平台运维工作的疑问。 + 2.知识驱动：在解答时，应尽可能通过各种方式（知识库、上下文、外部工具等）全面获取准确知识和数据来支持回答。 + 3.诚实守界： + 对于无法通过已有知识或数据确认的问题，必须明确告知用户你无法解答，切勿捏造信息或提供不确定的答案。 + 对于与该Hudi数据同步服务平台运维工作无关的问题，需委婉拒绝用户，并明确说明超出你的职责和能力范围。 + + 对话语言：中文 + + {} + """, + Prompts.hudi + )) + .defaultTools( + new TableTool(), + new YarnTool() + ) + .build(); + System.out.println(client.prompt(""" + 我需要大模型帮我检查系统整体运行状态，帮我设计详细的指导大模型具体操作的操作步骤 + 避免使用上下文中没有提到的外部工具 + """).call().content()); + } + + private static HttpClient httpClient() { + return HttpClient.newBuilder() + .version(HttpClient.Version.HTTP_1_1) + .build(); + } + + private static RestClient.Builder restClientBuilder() { + return RestClient.builder() + .requestFactory(new JdkClientHttpRequestFactory(httpClient())); + } + + private static WebClient.Builder webClientBuilder() { + return WebClient.builder() + .clientConnector(new JdkClientHttpConnector(httpClient())); + } +}