diff --git a/大模型接口更换指导.md b/大模型接口更换指导.md
new file mode 100644
index 0000000..88b44e9
--- /dev/null
+++ b/大模型接口更换指导.md
@@ -0,0 +1,380 @@
+# 大模型接口更换指导文档
+
+## 概述
+
+当前系统使用Spring AI框架集成OpenAI API，本文档详细说明如何更换为其他大模型提供商或自部署模型。
+
+## 当前架构分析
+
+### 现有集成方式
+
+系统在 `ChatService.java:39` 中注入 `ChatClient`，通过Spring AI的统一接口调用大模型:
+
+```java
+// 当前实现方式
+private final ChatClient chatClient;
+
+@Autowired
+public ChatService(ChatClient.Builder builder,
+                   ConversationMapper conversationMapper, 
+                   MessageMapper messageMapper) {
+    this.chatClient = builder.build();
+    // ...
+}
+```
+
+### 关键调用点
+
+1. **流式调用** (`ChatService.java:71-75`):
+```java
+Flux<String> flux = chatClient
+    .prompt()
+    .user(request.getMessage())
+    .stream()
+    .content();
+```
+
+2. **普通调用** (`ChatService.java:234-238`):  
+```java
+private String generateAIResponse(ChatRequest request) {
+    // 目前是模拟实现，需要改为真实调用
+    return "这是AI的回复内容，模拟生成。";
+}
+```
+
+## 更换方案
+
+### 方案一: 使用Spring AI支持的其他模型
+
+Spring AI支持多种模型提供商，只需修改配置和依赖即可。
+
+#### 1.1 更换为Azure OpenAI
+
+**步骤1**: 修改 `pom.xml` 依赖
+```xml
+<!-- 移除现有OpenAI依赖 -->
+<!-- <dependency>
+    <groupId>org.springframework.ai</groupId>
+    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
+    <version>1.0.0-M6</version>
+</dependency> -->
+
+<!-- 添加Azure OpenAI依赖 -->
+<dependency>
+    <groupId>org.springframework.ai</groupId>
+    <artifactId>spring-ai-azure-openai-spring-boot-starter</artifactId>
+    <version>1.0.0-M6</version>
+</dependency>
+```
+
+**步骤2**: 修改 `application.yml` 配置
+```yaml
+spring:
+  ai:
+    azure:  
+      openai:
+        api-key: ${AZURE_OPENAI_API_KEY}
+        endpoint: ${AZURE_OPENAI_ENDPOINT}
+        chat:
+          options:
+            deployment-name: gpt-4o-mini
+            temperature: 0.7
+```
+
+**步骤3**: 无需修改Java代码，Spring AI会自动适配
+
+#### 1.2 更换为Anthropic Claude
+
+**步骤1**: 修改依赖
+```xml
+<dependency>
+    <groupId>org.springframework.ai</groupId>
+    <artifactId>spring-ai-anthropic-spring-boot-starter</artifactId>
+    <version>1.0.0-M6</version>
+</dependency>
+```
+
+**步骤2**: 修改配置
+```yaml
+spring:
+  ai:
+    anthropic:
+      api-key: ${ANTHROPIC_API_KEY}
+      chat:
+        options:
+          model: claude-3-sonnet-20240229
+          max-tokens: 1000
+```
+
+#### 1.3 更换为本地Ollama
+
+**步骤1**: 修改依赖
+```xml
+<dependency>
+    <groupId>org.springframework.ai</groupId>
+    <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
+    <version>1.0.0-M6</version>
+</dependency>
+```
+
+**步骤2**: 修改配置
+```yaml
+spring:
+  ai:
+    ollama:
+      base-url: http://localhost:11434
+      chat:
+        options:
+          model: llama2
+          temperature: 0.7
+```
+
+### 方案二: 集成阿里云通义千问
+
+由于Spring AI暂不直接支持通义千问，需要自定义实现。
+
+**步骤1**: 添加HTTP客户端依赖
+```xml
+<dependency>
+    <groupId>com.alibaba.cloud</groupId>
+    <artifactId>alibabacloud-dashscope-sdk-java</artifactId>
+    <version>2.14.0</version>
+</dependency>
+```
+
+**步骤2**: 创建通义千问服务类
+```java
+// 新建文件: src/main/java/com/yundage/chat/service/QianWenService.java
+@Service
+public class QianWenService {
+    
+    @Value("${dashscope.api-key}")
+    private String apiKey;
+    
+    public String generateResponse(String prompt) {
+        // 实现通义千问API调用逻辑
+        Generation gen = new Generation();
+        gen.setApiKey(apiKey);
+        
+        GenerationParam param = GenerationParam.builder()
+            .model("qwen-turbo")
+            .prompt(prompt)
+            .build();
+            
+        GenerationResult result = gen.call(param);
+        return result.getOutput().getText();
+    }
+    
+    public Flux<String> generateStreamResponse(String prompt) {
+        // 实现流式响应
+        return Flux.create(sink -> {
+            // 流式调用逻辑
+        });
+    }
+}
+```
+
+**步骤3**: 修改 `ChatService.java`
+```java
+@Service
+public class ChatService {
+    
+    // 添加注入
+    @Autowired
+    private QianWenService qianWenService;
+    
+    // 修改普通调用方法
+    private String generateAIResponse(ChatRequest request) {
+        return qianWenService.generateResponse(request.getMessage());
+    }
+    
+    // 修改流式调用方法  
+    public SseEmitter processChatStream(ChatRequest request, User user) {
+        // ...
+        Flux<String> flux = qianWenService.generateStreamResponse(request.getMessage());
+        // ...
+    }
+}
+```
+
+**步骤4**: 添加配置
+```yaml
+dashscope:
+  api-key: ${DASHSCOPE_API_KEY}
+```
+
+### 方案三: 集成百度文心一言
+
+**步骤1**: 添加百度AI SDK
+```xml
+<dependency>
+    <groupId>com.baidubce</groupId>
+    <artifactId>qianfan</artifactId>
+    <version>0.2.5</version>
+</dependency>
+```
+
+**步骤2**: 创建文心一言服务
+```java
+// 新建文件: src/main/java/com/yundage/chat/service/ErnieService.java
+@Service
+public class ErnieService {
+    
+    @Value("${baidu.api-key}") 
+    private String apiKey;
+    
+    @Value("${baidu.secret-key}")
+    private String secretKey;
+    
+    public String generateResponse(String prompt) {
+        ChatCompletion chatCompletion = new ChatCompletion();
+        chatCompletion.setAccessKey(apiKey);
+        chatCompletion.setSecretKey(secretKey);
+        
+        List<ChatCompletionMessage> messages = new ArrayList<>();
+        messages.add(ChatCompletionMessage.builder()
+            .role("user")
+            .content(prompt)
+            .build());
+            
+        ChatCompletionRequest request = ChatCompletionRequest.builder()
+            .model("ERNIE-Bot-turbo")
+            .messages(messages)
+            .build();
+            
+        ChatCompletionResponse response = chatCompletion.create(request);
+        return response.getResult();
+    }
+}
+```
+
+### 方案四: 完全自定义HTTP客户端
+
+适用于任何提供HTTP API的大模型服务。
+
+**步骤1**: 创建通用AI客户端接口
+```java
+// 新建文件: src/main/java/com/yundage/chat/service/ai/AIService.java
+public interface AIService {
+    String generateResponse(String prompt);
+    Flux<String> generateStreamResponse(String prompt);
+}
+```
+
+**步骤2**: 实现具体的AI服务
+```java  
+// 新建文件: src/main/java/com/yundage/chat/service/ai/CustomAIService.java
+@Service
+public class CustomAIService implements AIService {
+    
+    @Autowired
+    private RestTemplate restTemplate;
+    
+    @Value("${custom.ai.api-url}")
+    private String apiUrl;
+    
+    @Value("${custom.ai.api-key}")
+    private String apiKey;
+    
+    @Override
+    public String generateResponse(String prompt) {
+        HttpHeaders headers = new HttpHeaders();
+        headers.setContentType(MediaType.APPLICATION_JSON);
+        headers.setBearerAuth(apiKey);
+        
+        Map<String, Object> requestBody = Map.of(
+            "model", "custom-model",
+            "messages", List.of(Map.of("role", "user", "content", prompt))
+        );
+        
+        HttpEntity<Map<String, Object>> request = new HttpEntity<>(requestBody, headers);
+        
+        ResponseEntity<Map> response = restTemplate.postForEntity(apiUrl, request, Map.class);
+        
+        // 解析响应并返回内容
+        return extractContentFromResponse(response.getBody());
+    }
+    
+    @Override
+    public Flux<String> generateStreamResponse(String prompt) {
+        // 实现Server-Sent Events或WebSocket流式调用
+        return Flux.create(sink -> {
+            // 流式调用实现
+        });
+    }
+    
+    private String extractContentFromResponse(Map<String, Object> response) {
+        // 根据API响应格式解析内容
+        return "";
+    }
+}
+```
+
+## 更换建议和注意事项
+
+### 1. 性能考虑
+
+- **延迟**: 不同模型服务的响应延迟差异较大
+- **并发**: 评估新服务的并发处理能力
+- **限流**: 实现客户端限流避免触发API限制
+
+### 2. 成本优化  
+
+- **Token计费**: 不同服务的计费方式差异较大
+- **缓存策略**: 对相同问题实现响应缓存
+- **模型选择**: 根据业务场景选择合适规模的模型
+
+### 3. 质量保证
+
+- **A/B测试**: 同时运行新旧模型对比效果
+- **回退机制**: 新模型出现问题时能快速回退
+- **监控告警**: 监控响应质量和错误率
+
+### 4. 配置管理
+
+建议将所有AI相关配置外化到环境变量:
+
+```yaml
+# application.yml
+ai:
+  provider: ${AI_PROVIDER:openai}
+  openai:
+    api-key: ${OPENAI_API_KEY}
+    base-url: ${OPENAI_BASE_URL:https://api.openai.com}
+  azure:
+    api-key: ${AZURE_API_KEY}
+    endpoint: ${AZURE_ENDPOINT}
+  custom:
+    api-url: ${CUSTOM_AI_URL}
+    api-key: ${CUSTOM_AI_KEY}
+```
+
+### 5. 数据安全
+
+- **数据加密**: 确保API调用使用HTTPS
+- **敏感信息**: 避免在日志中记录用户输入内容
+- **访问控制**: 限制AI服务的网络访问权限
+
+## 测试验证
+
+更换模型后需要进行充分测试:
+
+1. **功能测试**: 验证基本问答功能正常
+2. **流式测试**: 确认流式输出工作正常  
+3. **错误处理**: 测试各种异常情况的处理
+4. **性能测试**: 验证响应时间和并发能力
+5. **集成测试**: 端到端功能验证
+
+## 总结
+
+根据具体需求选择合适的更换方案:
+
+- **简单迁移**: 选择方案一，使用Spring AI支持的其他模型
+- **成本优化**: 选择方案二或三，使用国内模型服务  
+- **深度定制**: 选择方案四，完全自定义实现
+
+建议采用渐进式迁移，先在测试环境验证，确认无误后再部署到生产环境。
+
+---
+
+*更新时间: 2025-07-28*
\ No newline at end of file