跳到主要内容

实战：中国移动AI套餐智能助手

本实战项目将演示如何使用 Spring AI 构建一个中国移动 AI 套餐智能助手，帮助用户选择最适合的手机套餐。

项目需求分析​

功能需求​

  1. 用户可以咨询套餐详情
  2. 根据用户使用习惯推荐套餐
  3. 解答套餐相关问题
  4. 处理套餐变更请求

技术需求​

  1. 使用 Spring AI 集成大语言模型
  2. 实现 RAG 检索增强
  3. 使用 Tool Calling 调用套餐查询接口
  4. 实现角色设定和对话管理

项目结构​

src/
├── main/
│   ├── java/
│   │   └── com/example/china_mobile_assistant/
│   │       ├── ChinaMobileAssistantApplication.java
│   │       ├── controller/
│   │       │   └── AssistantController.java
│   │       ├── service/
│   │       │   ├── AssistantService.java
│   │       │   ├── PackageRecommendationService.java
│   │       │   └── PackageQueryService.java
│   │       ├── tool/
│   │       │   └── MobilePackageTools.java
│   │       └── model/
│   │           ├── MobilePackage.java
│   │           └── UserUsage.java
│   └── resources/
│       ├── application.yml
│       ├── prompts/
│       │   └── assistant-prompt.st
│       └── data/
│           └── packages.json
└── pom.xml

核心代码实现​

1. 主应用类​

@SpringBootApplication
public class ChinaMobileAssistantApplication {
    public static void main(String[] args) {
        SpringApplication.run(ChinaMobileAssistantApplication.class, args);
    }
}

2. 配置文件​

spring:
  ai:
    openai:
      api-key: ${OPENAI_API_KEY}
      chat:
        options:
          model: gpt-3.5-turbo
          temperature: 0.7

3. 套餐数据模型​

public class MobilePackage {
    private String name;
    private String description;
    private int voiceMinutes;
    private int dataGB;
    private int smsCount;
    private BigDecimal price;
    private String features;
    
    // 构造函数、getter 和 setter
}

public class UserUsage {
    private int monthlyVoiceMinutes;
    private int monthlyDataGB;
    private int monthlySmsCount;
    
    // 构造函数、getter 和 setter
}

4. 套餐查询工具​

@Component
public class MobilePackageTools {
    
    private final List<MobilePackage> packages;
    
    public MobilePackageTools() {
        // 初始化套餐数据
        packages = loadPackagesFromJson();
    }
    
    @Tool(name = "query_packages", description = "查询所有可用的手机套餐")
    public List<MobilePackage> queryAllPackages() {
        return new ArrayList<>(packages);
    }
    
    @Tool(name = "recommend_package", description = "根据用户使用习惯推荐套餐")
    public List<MobilePackage> recommendPackage(
            @Param(description = "每月通话分钟数") int voiceMinutes,
            @Param(description = "每月数据流量(GB)") int dataGB,
            @Param(description = "每月短信条数") int smsCount) {
        
        UserUsage usage = new UserUsage(voiceMinutes, dataGB, smsCount);
        return recommendPackages(usage);
    }
    
    private List<MobilePackage> recommendPackages(UserUsage usage) {
        return packages.stream()
            .filter(pkg -> pkg.getVoiceMinutes() >= usage.getMonthlyVoiceMinutes() &&
                          pkg.getDataGB() >= usage.getMonthlyDataGB() &&
                          pkg.getSmsCount() >= usage.getMonthlySmsCount())
            .sorted(Comparator.comparing(MobilePackage::getPrice))
            .limit(3)
            .collect(Collectors.toList());
    }
}

5. 助手服务类​

@Service
public class AssistantService {
    
    private final ChatClient chatClient;
    private final List<Tool> tools;
    
    public AssistantService(ChatClient chatClient, List<Tool> tools) {
        this.chatClient = chatClient;
        this.tools = tools;
    }
    
    public String processUserQuery(String userQuery) {
        // 设置系统角色
        SystemMessage systemMessage = new SystemMessage("""
            你是中国移动的智能客服助手，专门帮助用户了解和选择手机套餐。
            你需要：
            1. 准确回答套餐相关问题
            2. 根据用户需求推荐合适套餐
            3. 使用专业但友好的语气
            4. 在需要时调用工具查询套餐信息
            """);
        
        Prompt prompt = new Prompt(
            List.of(
                systemMessage,
                new UserMessage(userQuery)
            ),
            OpenAiChatOptions.builder()
                .withTools(tools.stream().map(Tool::getName).collect(Collectors.toList()))
                .build()
        );
        
        ChatResponse response = chatClient.call(prompt);
        
        // 处理工具调用
        if (response.getResult().getOutput().getToolCalls() != null && 
            !response.getResult().getOutput().getToolCalls().isEmpty()) {
            
            List<ToolCall> toolCalls = response.getResult().getOutput().getToolCalls();
            List<ToolCallResult> toolCallResults = executeToolCalls(toolCalls);
            
            Prompt followUpPrompt = new Prompt(
                List.of(
                    systemMessage,
                    new UserMessage(userQuery),
                    response.getResult().getOutput(),
                    new ToolCallResultMessage(toolCallResults)
                )
            );
            
            ChatResponse finalResponse = chatClient.call(followUpPrompt);
            return finalResponse.getResult().getOutput().getContent();
        }
        
        return response.getResult().getOutput().getContent();
    }
    
    private List<ToolCallResult> executeToolCalls(List<ToolCall> toolCalls) {
        return toolCalls.stream().map(toolCall -> {
            try {
                Object result = toolCall.execute();
                return new ToolCallResult(toolCall, objectMapper.writeValueAsString(result), false, null);
            } catch (Exception e) {
                return new ToolCallResult(toolCall, null, true, e.getMessage());
            }
        }).collect(Collectors.toList());
    }
}

6. 控制器类​

@RestController
@RequestMapping("/api/assistant")
public class AssistantController {
    
    private final AssistantService assistantService;
    
    public AssistantController(AssistantService assistantService) {
        this.assistantService = assistantService;
    }
    
    @PostMapping("/chat")
    public ResponseEntity<String> chat(@RequestBody Map<String, String> request) {
        String userQuery = request.get("query");
        String response = assistantService.processUserQuery(userQuery);
        return ResponseEntity.ok(response);
    }
}

测试和部署​

1. 本地测试​

# 启动应用
./mvnw spring-boot:run

# 测试查询套餐
curl -X POST http://localhost:8080/api/assistant/chat \
  -H "Content-Type: application/json" \
  -d '{"query":"我想了解一下你们的套餐"}'

# 测试推荐套餐
curl -X POST http://localhost:8080/api/assistant/chat \
  -H "Content-Type: application/json" \
  -d '{"query":"我每月通话大概200分钟，流量10GB，短信50条，有什么推荐吗？"}'

2. 部署到生产环境​

  1. 构建 Docker 镜像
  2. 部署到 Kubernetes 或云平台
  3. 配置监控和日志

项目扩展​

1. 集成真实 API​

  • 连接中国移动的真实套餐查询接口
  • 实现用户账户绑定和套餐变更

2. 增强用户体验​

  • 添加 Web 前端界面
  • 实现多轮对话管理
  • 添加语音交互功能

3. 数据分析​

  • 收集用户咨询数据
  • 分析热门问题和推荐效果
  • 持续优化推荐算法

通过这个实战项目，我们展示了如何使用 Spring AI 构建一个功能完整的 AI 助手应用，涵盖了角色设定、工具调用、RAG 检索增强等核心技术。