操作指南：使用 Java SDK 编写和管理 Dapr Conversation AI

如何使用 Dapr Java SDK 快速上手 Conversation AI

在本次演示中，我们将介绍如何使用 Conversation API 与大语言模型（LLM）进行对话。该 API 会返回给定提示词的 LLM 响应。通过提供的 conversation ai 示例，你将：

此示例使用自托管模式下 dapr init 的默认配置。

前置条件

设置环境

克隆 Java SDK 仓库 并进入该目录。

git clone https://github.com/dapr/java-sdk.git
cd java-sdk

运行以下命令以安装使用 Dapr Java SDK 运行 Conversation AI 示例所需的依赖。

mvn clean install -DskipTests

从 Java SDK 根目录进入示例目录。

cd examples

运行 Dapr 边车。

dapr run --app-id conversationapp --dapr-grpc-port 51439 --dapr-http-port 3500 --app-port 8080

现在，Dapr 正在 http://localhost:3500 监听 HTTP 请求，在 http://localhost:51439 监听 gRPC 请求。

向 Conversation AI API 发送包含个人身份信息（PII）的提示词

在 DemoConversationAI 中，包含使用 DaprPreviewClient 下的 converse 方法发送提示词的步骤。

public class DemoConversationAI {
  /**
   * 启动客户端的 main 方法。
   *
   * @param args 输入参数（未使用）。
   */
  public static void main(String[] args) {
    try (DaprPreviewClient client = new DaprClientBuilder().buildPreviewClient()) {
      System.out.println("Sending the following input to LLM: Hello How are you? This is the my number 672-123-4567");

      ConversationInput daprConversationInput = new ConversationInput("Hello How are you? "
              + "This is the my number 672-123-4567");

      // 组件名称是在 conversation.yaml 文件的 metadata 块中提供的名称。
      Mono<ConversationResponse> responseMono = client.converse(new ConversationRequest("echo",
              List.of(daprConversationInput))
              .setContextId("contextId")
              .setScrubPii(true).setTemperature(1.1d));
      ConversationResponse response = responseMono.block();
      System.out.printf("Conversation output: %s", response.getConversationOutputs().get(0).getResult());
    } catch (Exception e) {
      throw new RuntimeException(e);
    }
  }
}

使用以下命令运行 DemoConversationAI。

java -jar target/dapr-java-sdk-examples-exec.jar io.dapr.examples.conversation.DemoConversationAI

示例输出

== APP == Conversation output: Hello How are you? This is the my number <ISBN>

如输出所示，发送到 API 的号码已被混淆并以 <ISBN> 的形式返回。 上面的示例使用了一个“echo” 组件进行测试，该组件只是简单地返回输入消息。 当与 OpenAI 或 Claude 等 LLM 集成时，你将收到有意义的响应，而不是回显的输入。

后续步骤