大家好，我是Java1234_小锋老师，最近更新《2027版本 Spring AI 2.0 开发Java Agent智能体 视频教程》专辑，感谢大家支持。
本课程主要介绍和讲解Spring AI 2.0简介，Spring AI 2.0 HelloWorld搭建，Advisors — 拦截器模式增强AI能力，对话与提示词工程（Prompt），工具调用 (Function Calling / Tools) ，RAG(检索增强生成)，MCP(模型 上下文协议)和多模态支持。
等这个Spring AI2.0基础课程录制完成，接下来要发布2个 企业级Java AI实战课程，RAG 企业知识库系统和AI智能客服系统。大家可以点点关注，后面更精彩。
视频教程+课件+源码打包下载：
链接：https://pan.baidu.com/s/1o-zRfndo1HHrS_uFroOiCw?pwd=1234
提取码：0000
Spring AI 2.0 开发Java Agent智能体 - 结构化输出
一、结构化输出核心概念
Spring AI 2.0 的结构化输出是将大语言模型 (LLM) 的自然语言响应转换为可预测、类型安全的 Java 对象（如 POJO、Record、Map、List 等）的机制，避免手动解析文本的复杂性和不稳定性。
1.1 为什么需要结构化输出
| 自然文本输出 | 结构化输出 |
|---|---|
| 格式不固定，解析困难 | 格式严格，直接映射为 Java 对象 |
| 无类型安全，易出错 | 强类型校验，编译期检查 |
| 下游系统集成复杂 | 可直接传递给其他应用程序函数 |
| 维护成本高 | 减少解析逻辑，提升系统稳定性 |
1.2 Spring AI 2.0 结构化输出核心特性
自动 JSON Schema 生成：基于 Java 类自动生成 JSON Schema，确保模型输出符合预期格式
多种转换器支持：BeanOutputConverter、MapOutputConverter、ListOutputConverter 等
原生结构化输出：支持模型内置的 JSON 模式（如 OpenAI 的 JSON mode），提高输出可靠性
链式调用简化：通过
.entity()方法直接将响应转换为目标类型，代码更简洁集合类型支持：轻松处理 List、Set 等集合类型的结构化输出
二、核心实现方式
2.1 两种主要方案
| 方案 | 说明 | 适用场景 |
|---|---|---|
| 自动转换 | 使用.entity()方法，Spring AI 自动处理转换 | 大多数通用场景，代码简洁高效 |
| 显式转换器 | 手动创建BeanOutputConverter等，精细控制转换过程 | 复杂场景，需要自定义 JSON Schema 或验证规则 |
2.2 原生结构化输出
Spring AI 2.0 支持模型原生的结构化输出能力，通过AdvisorParams.ENABLE_NATIVE_STRUCTURED_OUTPUT启用，自动处理以下流程Spring：
生成 JSON Schema
配置模型使用 JSON 模式
验证输出格式
反序列化为 Java 对象
3.2 实例 1：基础 POJO 结构化输出
定义目标 Java 类（Record）
// 使用 Java 16+ 的 Record 特性，编译器会自动生成构造器、equals/hashCode等方法 public record TopicBooks( String topic, // 主题 List<String> books // 书籍列表 ){}创建服务类实现结构化输出
/** * @param topic * @return */ @RequestMapping(value = "/ask4",produces = "text/html;charset=utf-8") public String ask4(String topic) { TopicBooks topicBooks=chatClient.prompt() .system("你是一个专业的书评助手") // 设置系统提示 .user(u->u.text("请给我三本关于{topic}的书籍").param("topic", topic)) .call() .entity(TopicBooks.class); System.out.println(topicBooks); return "OK"; }浏览器请求：http://localhost:8080/ask4?topic=java
后台输出：
TopicBooks[topic=Java, books=[Head First Java, Effective Java, Java Concurrency in Practice]]3.3 实例 2：集合类型结构化输出
定义定义书评类
// 使用 Java 16+ 的 Record 特性，编译器会自动生成构造器、equals/hashCode等方法 public record BookReview( String reviewerName, // 书评人 int rating, // 评分（1-5） String comment // 评论内容 ){}生成多条书评
/** * @return */ @RequestMapping(value = "/ask5") public String ask5() { List<BookReview> bookReviews=chatClient.prompt() .user(u->u.text("请给{bookName}书籍三条评价信息").param("bookName", "Head First Java")) .call() .entity(new ParameterizedTypeReference<List<BookReview>>() { }); System.out.println(bookReviews); return "OK"; }浏览器请求：http://localhost:8080/ask5
后台输出：
[BookReview[reviewerName=Alice Chen, rating=5, comment=以生动有趣的漫画和互动练习讲解Java基础，非常适合初学者建立编程思维，但部分代码示例需结合新版JDK调整。], BookReview[reviewerName=David Smith, rating=4, comment=项目驱动的学习方式让人印象深刻，通过构建实际应用巩固了面向对象概念，建议补充多线程和Lambda表达式的现代实践。], BookReview[reviewerName=Maria Garcia, rating=4, comment=幽默的叙事风格降低了学习门槛，但章节进度跳跃较大，需要配合官方文档查漏补缺，整体仍是入门首选。]]三，底层实现原理
大型语言模型生成结构化输出的能力，对于依赖于可靠解析输出值的下游应用至关重要。开发人员希望快速地将人工智能模型的输出转换为数据类型，例如JSON、XML或Java类，以便传递给其他应用程序的函数和方法。
Spring AIStructured Output Converters有助于将大语言模型的输出转换为结构化格式。如下图所示，这种方法围绕大语言模型文本补全端点运行：
使用通用补全API从大型语言模型（LLM）生成结构化输出，需要对输入和输出进行细致处理。在调用LLM前后，结构化输出转换器发挥着至关重要的作用，以确保实现所需的输出结构。
在大语言模型调用之前，转换器会将格式说明附加到提示中，为模型生成所需输出结构提供明确指导。这些说明充当蓝图，引导模型的响应符合指定的格式。
下图展示了使用结构化输出 API 时的数据流。
