使用Spring AI递归顾问创建自我改进的AI代理
原文英文，约1400词，阅读约需5分钟。
📝
内容提要
Spring AI引入递归顾问，支持多次循环调用，适用于迭代工作流。递归顾问可处理工具调用、输出验证和请求重试，增强AI交互。开发者可创建自定义顾问，但需设置终止条件以防止无限循环。
🔎
延伸解读
递归顾问的应用场景
递归顾问适用于需要多次迭代的工作流，如工具调用、输出验证和请求重试等场景。开发者可以利用这一特性构建更复杂的AI代理，使其能够根据反馈不断优化决策过程。这种灵活性使得AI在处理动态任务时更具适应性。
使用递归顾问的风险
尽管递归顾问提供了强大的功能，但也存在风险。特别是无限循环的可能性，开发者必须设置明确的终止条件。此外，递归调用会增加LLM的调用次数，从而提高成本和延迟，需谨慎评估其对项目的影响。
最佳实践建议
在使用递归顾问时，建议设置清晰的终止条件和最大迭代次数，以防止执行失控。同时，合理安排顾问的顺序，确保其他顾问能够观察到迭代过程，从而提高整体性能和响应质量。
❓
Q&A
什么是Spring AI的递归顾问？
递归顾问是Spring AI 1.1.0-M4中引入的一种功能，支持在顾问链中多次循环调用，以适应迭代工作流。
递归顾问如何增强AI交互？
递归顾问通过处理工具调用、输出验证和请求重试，允许在顾问链中多次循环，从而增强AI交互的灵活性和准确性。
开发者如何创建自定义顾问？
开发者可以通过实现CallAdvisor接口并设置顾问的顺序和名称来创建自定义顾问，同时需要定义请求的预处理和响应的后处理逻辑。
使用递归顾问时需要注意什么？
使用递归顾问时需设置明确的终止条件、适当的顺序，并限制迭代次数，以防止无限循环和过高的成本。
Spring AI 1.1.0-M4提供了哪些内置的递归顾问？
Spring AI 1.1.0-M4提供了默认工具调用支持和工具调用顾问两种内置递归顾问。
递归顾问会对性能产生什么影响？
递归顾问会增加LLM调用次数，从而影响成本、延迟和令牌使用，开发者需合理设置重试限制以优化性能。
🏷️
