升级说明

ChatClient 已得到增强，解决了用户和系统 prompt 在顾问中使用之前未渲染时出现的一些不一致性或不良行为。新行为确保用户和系统 prompt 在执行顾问链之前始终被渲染。作为此增强的一部分，AdvisedRequest 和 AdvisedResponse API 已被弃用，取而代之的是 ChatClientRequest 和 ChatClientResponse。顾问现在作用于包含在 ChatClientRequest 中的完整构建的 Prompt 对象，而不是 AdvisedRequest 中使用的解构格式，这保证了一致性和完整性。

ChatClient prompt 构建器 API 中重载的 tools 方法已重命名，以提高清晰度并避免基于参数类型的方法分派中的歧义。

ChatClient.PromptRequestSpec#tools(String…​ toolNames) 已重命名为 ChatClient.PromptRequestSpec#toolNames(String…​ toolNames)。使用此方法指定模型允许调用的工具函数名称（在其他地方注册，例如通过带有 @Description 的 @Bean 定义）。

ChatClient.PromptRequestSpec#tools(ToolCallback…​ toolCallbacks) 已重命名为 ChatClient.PromptRequestSpec#toolCallbacks(ToolCallback…​ toolCallbacks)。使用此方法提供内联的 ToolCallback 实例，其中包括函数实现、名称、描述和输入类型定义。

当使用 Spring AI 模型启动器之一时，将为您自动配置一个 ChatMemory bean。默认情况下，它使用 MessageWindowChatMemory 实现，并将对话历史记录存储在内存中。

ChatMemory API 已得到增强，以支持更灵活和可扩展的对话历史管理方式。存储机制已与 ChatMemory 接口解耦，现在由新的 ChatMemoryRepository 接口处理。ChatMemory API 现在可用于实现不同的记忆策略，而无需绑定到特定的存储机制。默认情况下，Spring AI 提供了一个 MessageWindowChatMemory 实现，该实现维护一个最大指定大小的消息窗口。

ChatMemory 中的 get(String conversationId, int lastN) 方法已弃用，取而代之的是在需要将消息保留在内存中达到一定限制时使用 MessageWindowChatMemory。get(String conversationId) 方法现在是从记忆中检索消息的首选方法，而 ChatMemory 的具体实现可以决定过滤、处理和返回消息的策略。

JdbcChatMemory 已弃用，取而代之的是结合 ChatMemory 实现（如 MessageWindowChatMemory）使用 JdbcChatMemoryRepository。如果您之前依赖于自动配置的 JdbcChatMemory bean，现在可以通过自动装配一个 ChatMemory bean 来替换它，该 bean 在相关依赖项位于 classpath 中时会被自动配置以在内部使用 JdbcChatMemoryRepository 来存储消息。

spring.ai.chat.memory.jdbc.initialize-schema 属性已弃用，取而代之的是 spring.ai.chat.memory.repository.jdbc.initialize-schema。

有关新 API 及如何使用的更多详细信息，请参阅新的聊天记忆文档。

MessageWindowChatMemory.get(String conversationId, int lastN) 方法已弃用。窗口大小现在根据实例化时提供的配置在内部管理，因此只应使用 get(String conversationId)。

PromptTemplate API 已重新设计，以支持更灵活和可扩展的 prompt 模板化方式，依赖于新的 TemplateRenderer API。作为此更改的一部分，getInputVariables() 和 validate() 方法已弃用，如果调用它们将抛出 UnsupportedOperationException。任何特定于模板引擎的逻辑都应通过 TemplateRenderer API 提供。

评估类移动

输出转换器类移动

Transformer 类移动

工具类移动

对 spring.ai.client 可观测性的更改

对 spring.ai.advisor 可观测性的更改

引入了 DocumentPostProcessor API，用于在模块化 RAG 架构中实现检索后组件，取代了现已弃用的 DocumentCompressor, DocumentRanker, DocumentSelector API。

spring.ai.<provider>.chat.enabled

spring.ai.<provider>.embedding.enabled

spring.ai.<provider>.image.enabled

spring.ai.<provider>.moderation.enabled

spring.ai.model.audio.speech=<model-provider|none>

spring.ai.model.audio.transcription=<model-provider|none>

spring.ai.model.chat=<model-provider|none>

spring.ai.model.embedding=<model-provider|none>

spring.ai.model.embedding.multimodal=<model-provider|none>

spring.ai.model.embedding.text=<model-provider|none>

spring.ai.model.image=<model-provider|none>

spring.ai.model.moderation=<model-provider|none>

模型启动器：spring-ai-{model}-spring-boot-starter → spring-ai-starter-model-{model}

向量存储启动器：spring-ai-{store}-store-spring-boot-starter → spring-ai-starter-vector-store-{store}

MCP 启动器：spring-ai-mcp-{type}-spring-boot-starter → spring-ai-starter-mcp-{type}

KeywordMetadataEnricher 和 SummaryMetadataEnricher 已从 org.springframework.ai.transformer 移至 org.springframework.ai.chat.transformer。

Content, MediaContent, 和 Media 已从 org.springframework.ai.model 移至 org.springframework.ai.content。

spring-ai-commons (基础)

spring-ai-model (依赖于 commons)

spring-ai-vector-store 和 spring-ai-client-chat (都依赖于 model)

spring-ai-advisors-vector-store 和 spring-ai-rag (都依赖于 client-chat 和 vector-store)

spring-ai-model-chat-memory-* 模块 (依赖于 client-chat)

通过默认 FunctionCallingOptions 实例的 functions() 方法传递的任何工具都会包含在对该 ChatModel 实例进行的每次模型调用中，可能会被运行时选项覆盖。

通过默认 FunctionCallingOptions 实例的 functionCallbacks() 方法传递的任何工具仅可用于运行时动态解析（参见 工具解析），除非明确请求，否则不会包含在对模型的任何调用中。

现在，通过默认 FunctionCallingOptions 实例的 functions() 方法或 functionCallbacks() 传递的任何工具都以相同的方式处理：它们会包含在对该 ChatModel 实例进行的每次模型调用中，可能会被运行时选项覆盖。这样，工具包含在模型调用中的方式保持一致，并避免了由于 functionCallbacks() 和所有其他选项之间的行为差异而引起的任何混淆。

将 prompt、messages 和 metadata 包移至 org.springframework.ai.chat 的子包中

新增功能是文本转图片客户端。类包括 OpenAiImageModel 和 StabilityAiImageModel。请参阅集成测试了解用法，文档即将发布。

新增一个 model 包，其中包含接口和基类，支持为任意输入/输出数据类型组合创建 AI Model 客户端。目前，chat 和 image model 包已实现了这一点。我们很快会将 embedding 包更新到这个新模型。

新的“可移植选项”设计模式。我们希望在不同基于聊天的 AI 模型之间尽可能地提高 ModelCall 的可移植性。有一组通用的生成选项，然后还有一些特定于模型提供商的选项。采用了一种类似“鸭子类型”的方法。model 包中的 ModelOptions 是一个标记接口，表明此类的实现将为模型提供选项。请参阅 ImageOptions，它是一个子接口，定义了所有 text→image ImageModel 实现的可移植选项。然后 StabilityAiImageOptions 和 OpenAiImageOptions 提供了特定于每个模型提供商的选项。所有选项类都通过流畅的 API Builder 创建，都可以传递给可移植的 ImageModel API。这些选项数据类型用于 ImageModel 实现的自动配置/配置属性。

从 spring.ai.openai.model 变更为 spring.ai.openai.chat.options.model。

从 spring.ai.openai.temperature 变更为 spring.ai.openai.chat.options.temperature。

将 org.springframework.ai.ollama.client.OllamaClient 替换为 org.springframework.ai.ollama.OllamaModelCall。

OllamaChatClient 方法签名已更改。

将 org.springframework.ai.autoconfigure.ollama.OllamaProperties 重命名为 org.springframework.ai.model.ollama.autoconfigure.OllamaChatProperties，并将后缀更改为：spring.ai.ollama.chat。部分属性也已更改。

将 AiClient 重命名为 ChatClient

将 AiResponse 重命名为 ChatResponse

将 AiStreamClient 重命名为 StreamingChatClient

将 org.sf.ai.client 包重命名为 org.sf.ai.chat

transformers-embedding 重命名为 spring-ai-transformers

从：org.springframework.experimental.ai

到：org.springframework.ai

Azure OpenAI

<dependency>
    <groupId>org.springframework.experimental.ai</groupId>
    <artifactId>spring-ai-azure-openai-spring-boot-starter</artifactId>
    <version>0.7.1-SNAPSHOT</version>
</dependency>

OpenAI

<dependency>
    <groupId>org.springframework.experimental.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>0.7.1-SNAPSHOT</version>
</dependency>