骑士AI助手技术深度解析：从核心原理到代码实现

// 传统方式：硬编码的业务逻辑判断
public class TraditionalAssistant {
    public String processRequest(String userInput) {
        if (userInput.contains("天气")) {
            return callWeatherAPI();
        } else if (userInput.contains("订单")) {
            return queryOrder();
        } else if (userInput.contains("导航")) {
            return getNavigationRoute();
        }
        return "抱歉，我不理解您的需求";
    }
}

用户提问 → 大模型分析意图 → 决定调用哪个工具 → 框架执行工具 → 工具返回结果 → 大模型生成最终回复

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter</artifactId>
    <version>1.1.2</version>
</dependency>

spring:
  ai:
    chat:
      providers:
        - name: "deepseek"
          endpoint: "https://api.deepseek.com/v1/chat"
          api-key: "${DEEPSEEK_API_KEY}"
          model: "deepseek-chat"

import org.springframework.ai.tool.annotation.Tool;
import org.springframework.stereotype.Component;

@Component
public class RiderTools {
    
    @Tool(description = "查询指定骑手的实时位置和配送状态")
    public RiderStatus getRiderStatus(String riderId) {
        // 调用定位服务获取骑手位置
        Location location = locationService.getCurrentLocation(riderId);
        return new RiderStatus(riderId, location, Status.ACTIVE);
    }
    
    @Tool(description = "基于实时订单热力图和骑手位置，推荐高适配订单组合")
    public List<Order> recommendOrders(String riderId, int count) {
        // 智能测算订单收入潜力与配送效率
        return orderService.findOptimalOrders(riderId, count);
    }
    
    @Tool(description = "规划从当前位置到目的地的最快配送路线")
    public Route planRoute(String riderId, String destinationId) {
        Location current = locationService.getCurrentLocation(riderId);
        return navigationService.calculateFastestRoute(current, destinationId);
    }
}

@Service
public class RiderAIAssistant {
    
    private final ChatClient chatClient;
    
    public RiderAIAssistant(RiderTools riderTools) {
        this.chatClient = ChatClient.builder()
            .defaultTools(riderTools)  // 关键：注册工具
            .defaultSystem("你是一个专业的骑手AI助手，帮助骑手高效完成配送任务。"
                         + "你可以查询骑手状态、推荐订单、规划路线。"
                         + "始终基于工具返回的真实数据回答，不知道就说不知道。")
            .build();
    }
    
    public String chat(String userMessage) {
        ChatResponse response = chatClient.call(userMessage);
        return response.getResult().getOutput();
    }
}

用户说："帮我推荐3个顺路的订单"
    ↓
大模型判断需要调用 recommendOrders 工具
    ↓
框架执行 recommendOrders("rider_001", 3)，获取真实订单数据
    ↓
大模型基于工具返回的数据生成自然语言回复
    ↓
回复："已为您推荐3个高适配订单：A商场附近取餐→B小区配送→C写字楼送达"

┌─────────────────────────────────────────┐
│           AI智能体（Agent）               │
│  ┌─────────────────────────────────┐    │
│  │  交互层（语音/文字）               │    │
│  └─────────────────────────────────┘    │
│  ┌─────────────────────────────────┐    │
│  │  智能决策层（意图理解/任务规划）    │    │
│  └─────────────────────────────────┘    │
│  ┌─────────────────────────────────┐    │
│  │  系统连接层 ←─ 工具调用 ←─ 订单API │    │
│  │              ←─ 工具调用 ←─ 导航API │    │
│  │              ←─ 工具调用 ←─ 天气API │    │
│  └─────────────────────────────────┘    │
└─────────────────────────────────────────┘