为何选择Spring AI Alibaba开发智能客服平台？|agent|alibaba|spiderlinebreak|spring|智能客服|调用

点击下方“JavaEdge”，选择“设为星标”

第一时间关注技术干货！

免责声明~ 任何文章不要过度深思！万事万物都经不起审视，因为世上没有同样的成长环境，也没有同样的认知水平，更「没有适用于所有人的解决方案」；别急着评判文章列出的观点，只需代入其中，适度审视一番自己即可，能「跳脱出来从外人的角度看看现在的自己处在什么样的阶段」才不为俗人。怎么想、怎么做，全在乎自己「不断实践中寻找适合自己的大道」

0 前言

本文来看如何使用Spring AI Alibaba构建Agent应用。

1 需求

智能客服平台，可帮助用户完成机票预定、问题解答、机票改签、取消等动作，具体要求：

基于 AI 大模型与用户对话，理解用户自然语言表达的需求
支持多轮连续对话，能在上下文中理解用户意图
理解机票操作相关的术语与规范并严格遵守，如航空法规、退改签规则等
在必要时可调用工具辅助完成任务

2 技术架构

2.1 接入AI大模型

不过是用 Spring Boot 开发普通 Java 应用，要能持续接收用户提问，解决机票相关问题，叫它Agent应用是因为这应用可与 AI 交互，由 AI 帮助应用理解用户问题并为用户做决策，简化分解后的架构：

应用由 AI 模型理解用户问题，决策下一步动作、驱动业务流程。但任一通用大模型都能解决机票相关问题吗？依赖模型的决策是可靠的吗？如有用户提出机票改签的诉求，模型一定能很好理解用户意图，没疑问。但：

它咋知当前用户符不符合退票规则？毕竟每个航空公司改签规则都不同
它咋知改签手续费的规定？在这样一个可能带来经济纠纷、法律风险的应用场景下，AI模型必须要知道改签规则的所有细节，并逐条确认用户信息复合规则后，才能最终作出是否改签的决策

显然，单纯依赖 AI 模型本身不能满足需求，就要用到RAG模式。通过 RAG 将机票退改签相关领域知识输入给应用和 AI 模型，让 AI 结合这些规则与要求辅助决策，增加 RAG 后的架构：

有了RAG，应用才真正成为智能化的机票问题专家，就像一个经公司业务培训的客服代表，既能人性化与用户对话，又能根据规则引导用户行为。

2.3 使用Function Calling执行业务动作

AI Agent可帮应用理解用户需求并决策，但没法代替应用完成决策执行，决策执行还是要由应用自己完成，这点和传统应用无区别，不论智能化的还是预先编排好的应用，都是要由应用本身去调用函数修改数据库记录实现数据持久化。

通过 Spring AI 框架，可将模型的决策转换为对某个具体函数的调用，从而完成机票的最终改签或者退票动作，将用户数据写入数据库，即Function Calling模式。

2.4 使用 Chat Memory 增加多轮对话能力

大模型是无状态的，它看到的只有当前这轮对话的内容。因此若要支持多轮对话效果，需应用每次都将之前对话上下文保留，并与最新问题一并作为 prompt 发送给模型。这时，我们可以利用 Spring AI Alibaba 提供的内置 Conversation Memory 支持，方便的维护对话上下文。

至此，让我们总结在这个智能客服平台应用使用到的

3 Spring AI Alibaba 核心能力

基本模型对话能力，通过 Chat Model API 与通义模型交互
Prompt 管理能力
Chat Memory 聊天记忆，支持多轮对话
RAG、Vector Store，机票预定、改签、退票等相关规则

4 使用 ChatClient 完成编码

Spring AI Alibaba 不止提供了以上原子能力抽象，还提供了高阶 “智能体” API 抽象ChatClient，让我们可以非常方便的使用流式 Fluent API 把多个组件组装起来，成为一个AI Agent。

具体使用：

this.chatClient = modelBuilder
.defaultSystem("""
您是“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。
您正在通过在线聊天系统与客户互动。
在提供有关预订或取消预订的信息之前，您必须始终
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此信息。
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，可以调用相应函数调用完成辅助动作。
请讲中文。
今天的日期是 {current_date}.
""")
.defaultAdvisors(
new PromptChatMemoryAdvisor(chatMemory), // Chat Memory
new VectorStoreChatMemoryAdvisor(vectorStore)),
new QuestionAnswerAdvisor(vectorStore, SearchRequest.defaults()), // RAG
new LoggingAdvisor())
.defaultFunctions("getBookingDetails", "changeBooking", "cancelBooking") // FUNCTION CALLING

.build();

这样ChatClient就为我们屏蔽了所有与大模型交互的细节，只需要把ChatClient注入常规的 Spring Bean 就可以为我们的机票应用加入智能化能力了。

5 运行效果

关注我，紧跟本系列专栏文章，咱们下篇再续！

★ 作者简介：魔都架构师，多家大厂后端一线研发经验，在分布式系统设计、数据平台架构和AI应用开发等领域都有丰富实践经验。各大技术社区头部专家博主。具有丰富的引领团队经验，深厚业务架构和解决方案的积累。负责：中央/分销预订系统性能优化活动&券等营销中台建设交易平台及数据中台等架构和开发设计车联网核心平台-物联网连接平台、大数据平台架构设计及优化 LLM Agent应用开发区块链应用开发大数据开发挖掘经验推荐系统项目目前主攻市级软件项目设计、构建服务全社会的应用系统。 ”

参考：