智能机票助手 AI Agent 完整实战:从需求分析到落地实现

┌──────────────────────────────────────────────────┐│ AI Agent 三大能力 │├──────────────┬──────────────┬────────────────────┤│ 规划能力 │ 记忆能力 │ 行动能力 ││ Planning │ Memory │ Action │├──────────────┼──────────────┼────────────────────┤│ 拆解任务 │ 多轮对话上下文 │ 调工具改业务 ││ 决策路径 │ 长期/短期记忆 │ 调 API 写数据库 ││ 异常处理 │ 会话隔离 │ 权限校验 │└──────────────┴──────────────┴────────────────────┘

┌─────────────────────────────────────────────────┐│ 智能机票助手整体架构 │├─────────────────────────────────────────────────┤│ 前端 │ Vue3 + Vite ││ 后端 │ Spring Boot + Spring AI Alibaba ││ 向量存储 │ Milvus / PGVector ││ 外部工具 │ REST API ││ 大模型 │ 通义千问 │└─────────────────────────────────────────────────┘

# 使用阿里云 DashScope 作为大模型服务spring.ai.dashscope.api-key=sk-xxxxxxxxxxxxspring.ai.dashscope.chat.options.model=qwen-maxspring.ai.dashscope.chat.options.streaming=truespring.ai.dashscope.read-timeout=60spring.ai.dashscope.connect-timeout=60

@Configurationpublic class CustomerSupportAssistant { private final ChatClient chatClient; public CustomerSupportAssistant( ChatClient.Builder modelBuilder, VectorStore vectorStore, ChatMemory chatMemory ) { this.chatClient = modelBuilder // 1. 系统提示词（角色设定 + 业务规则） .defaultSystem(""" 你是”Funnair”航空公司的客户聊天支持代理。请以友好、乐于助人且愉快的方式来回复。 你正在通过在线聊天系统与客户互动。 你能够支持已有机票的预订详情查询、机票日期改签、机票预订取消等操作， 其余功能将在后续版本中添加，如果用户问的问题不支持请告知详情。 在提供有关机票预订详情查询、机票日期改签、机票预订取消等操作之前， 你需要从用户处获取以下信息：预订号、客户姓名。 在询问用户之前，请检查消息历史记录以获取预订号、客户姓名等信息， 尽量避免重复询问给用户造成困扰。 在更改预订之前，您必须确保条款允许这样做。 如果更改需要收费，您必须在继续之前征得用户同意。 使用提供的功能获取预订详细信息、更改预订和取消预订。 如果需要，您可以调用相应函数辅助完成。 请讲中文。 今天的日期是 {current_date}. """) // 2. 插件组合：记忆 + RAG + 日志 .defaultAdvisors( new PromptChatMemoryAdvisor(chatMemory), // 多轮对话 new QuestionAnswerAdvisor(vectorStore), // RAG 知识检索 new SimpleLoggerAdvisor() // 日志 ) // 3. 函数调用：注册工具 .defaultTools( "getBookingDetails", "changeBooking", "cancelBooking" ) .build(); }}

@BeanCommandLineRunner ingestTermOfServiceToVectorStore( EmbeddingModel embeddingModel, VectorStore vectorStore, @Value("classpath:rag/terms-of-service.txt") Resource termsOfServiceDocs) { return args -> { // 1. 文档读取：TextReader 读取文件 // 2. TokenTextSplitter：按 token 切分（避免超出模型限制） // 3. 向量化存储：VectorStore.write() vectorStore.write( new TokenTextSplitter().transform( new TextReader(termsOfServiceDocs).read() ) ); // 验证：相似性搜索 vectorStore.similaritySearch("Cancelling Bookings").forEach(doc -> { logger.info("Similar Document: {}", doc.getText()); }); };}

@Beanpublic ChatMemory chatMemory() { // 基于内存的 ChatMemory return new InMemoryChatMemory();}

@Bean@ConditionalOnMissingBeanpublic RestClient.Builder restClientBuilder() { return RestClient.builder();}

@Bean@Description("获取机票预定详细信息")public Function getBookingDetails() { return request -> { try { return flightBookingService.getBookingDetails( request.bookingNumber(), request.name() ); } catch (Exception e) { logger.warn("Booking details: {}", NestedExceptionUtils.getMostSpecificCause(e).getMessage()); return new BookingDetails( request.bookingNumber(), request.name(), null, null, null, null, null ); } };}

public record BookingDetailsRequest( String bookingNumber, String name) {}public record BookingDetails( String bookingNumber, String name, LocalDate bookingDate, String flightNumber, String departure, String arrival, String status) {}

public Flux chat(String chatId, String userMessageContent) { return this.chatClient.prompt() // 动态参数：当前日期 .system(s -> s.param("current_date", LocalDate.now().toString())) // 用户输入 .user(userMessageContent) // 会话隔离：每个 chatId 独立的对话历史 .advisors(a -> a .param(ChatMemory.CONVERSATION_ID, chatId) .param(ChatMemory.RETRIEVE_SIZE, 100)) // 流式响应 .stream() .content();}

src/main/java/com/example/flight/├── config/│ ├── CustomerSupportAssistant.java# 智能体装配（核心）│ └── RAGConfig.java# RAG + ChatMemory + RestClient├── service/│ ├── FlightBookingService.java# 业务逻辑│ └── tools/│ └── BookingTools.java# Function Calling 工具├── controller/│ └── ChatController.java# 对话接口└── dto/ ├── BookingDetailsRequest.java └── BookingDetails.javasrc/main/resources/├── application.properties└── rag/ └── terms-of-service.txt# 私有知识库

@Configurationpublic class UniversalAgent { private final ChatClient chatClient; public UniversalAgent( ChatClient.Builder builder, VectorStore vectorStore, ChatMemory chatMemory ) { this.chatClient = builder .defaultSystem("""// 在这里写你的系统提示词// 角色 + 业务规则 + 边界条件 """) .defaultAdvisors( new PromptChatMemoryAdvisor(chatMemory), new QuestionAnswerAdvisor(vectorStore), new SimpleLoggerAdvisor() ) .defaultTools( "tool1", "tool2", "tool3" // 你的工具名 ) .build(); } public Flux chat(String chatId, String message) { return chatClient.prompt() .user(message) .advisors(a -> a .param(ChatMemory.CONVERSATION_ID, chatId) .param(ChatMemory.RETRIEVE_SIZE, 100)) .stream() .content(); }}

.defaultTools("getBookingDetails", "changeBooking", "cancelBooking") // ✅.defaultTools("getBookingDetail", "changeBooking", "cancelBooking") // ❌ Bean 名要严格一致

public static final String TOOL_QUERY = "getBookingDetails";

@Beanpublic ChatMemory chatMemory(DataSource dataSource) { return JdbcChatMemory.builder() .dataSource(dataSource) .build();}

┌──────────────────────────────────────────────┐│ Prompt Template（系统角色 + 业务规则） ││ ↓ ││ Advisors（Chat Memory + RAG + Logger） ││ ↓ ││ Tools（Function Calling，调后端 Java） ││ ↓ ││ ChatClient.prompt().stream() │└──────────────────────────────────────────────┘

系统提示词（角色 + 规则） + 记忆（多轮对话） + RAG（私有知识） + 工具（业务能力） = 智能体