调优：ChatOptions
通过ChatOptions可以在每次请求中控制模型行为chatModel.prompt(写一首关于 Java 的诗) .options(o - o .temperature(0.8) .max_tokens(500) .top_p(0.9) .systemPrompt(你是一位富有创造力的诗人。)) .call();部分常用参数方法说明temperature(val)采样温度0.0–2.0max_tokens(val)最大输出 Token 数top_p(val)核采样参数top_k(val)Top-K 采样frequency_penalty(val)降低重复presence_penalty(val)鼓励新话题tool_choice(val)强制工具调用none、auto、required或工具名role(val)Agent 角色role instruction 可自动生成 systemPromptinstruction(val)Agent 指令role instruction 可自动生成 systemPromptsystemPrompt(val)本次请求的系统提示词完全定制8. 多消息 Prompt有时候你需要的不只是一条消息。可以用Prompt和ChatMessage构建更复杂的上下文import org.noear.solon.ai.chat.Prompt; import org.noear.solon.ai.chat.message.ChatMessage; Prompt prompt Prompt.of( ChatMessage.ofUser(Hello, how are you?), ChatMessage.ofAssistant(Bonjour, comment allez-vous?), ChatMessage.ofUser(What is your name?) ); ChatResponse resp chatModel.prompt(prompt).options(o - o.systemPrompt(你是一名中英翻译专家。)).call();9. 完整实战知识感知聊天机器人下面是一个轻量级的 RAG 模式示例——用ChatMessage.ofUserAugment()把上下文注入到 Prompt 中import org.noear.solon.ai.chat.ChatModel; import org.noear.solon.ai.chat.ChatResponse; import org.noear.solon.ai.chat.message.ChatMessage; import org.noear.solon.annotation.Component; import org.noear.solon.annotation.Inject; Component public class KnowledgeChatbot { Inject ChatModel chatModel; public String answer(String question, String referenceContext) throws Exception { // 将参考上下文与用户问题合并 ChatMessage augmented ChatMessage.ofUserAugment(question, referenceContext); ChatResponse resp chatModel.prompt(augmented) .options(o - o .temperature(0.3) .systemPrompt(你是一个知识渊博的助手。请基于提供的参考资料回答。)) .call(); return resp.getMessage().getContent(); } }这种模式——用上下文增强用户输入再调用模型——正是 Solon AI 中 RAG检索增强生成的基础。10. 下一步ChatModel只是入口点。Solon AI 还提供
