AI应用开发学习（java方向）（第四天）
个人AI应用开发项目系统性代码总结
1. 项目概述
本项目是一个完整的AI应用开发学习项目，包含AI应用开发练习demo和"小智AI"医疗挂号客服项目两个核心部分。通过这个项目，我深入学习了LangChain4j框架的应用，掌握了从基础的AI对话到复杂的医疗客服系统的完整开发流程。
1.2 项目目标
- 掌握LangChain4j框架的核心概念和应用
- 实现不同类型的AI助手（简单对话、记忆对话、工具调用）
- 构建完整的医疗挂号客服系统
- 理解RAG（检索增强生成）的实际应用
- 掌握前后端一体化开发流程
2. 项目整体架构
| 层级 | 技术/框架 | 版本 | 用途 |
| 后端框架 | Spring Boot | 3.2.6 | 应用框架 |
| AI框架 | LangChain4j | 1.0.0-beta3 | AI能力集成 |
| 开发语言 | Java | 17 | 核心开发语言 |
| 记忆存储 | MongoDB | 本地 | 聊天记忆 |
| 业务数据 | MySQL | 本地 | 预约业务数据 |
| AI模型 | DeepSeek | ||
| AI模型 | 阿里百炼 | 中文模型支持 | |
| AI模型 | Ollama |
项目结构
java-ai-langchain4j/
├── src/main/java/com/atguigu/java/ai/langchain4j/
│ ├── XiaozhiApp.java # 主启动类
│ ├── assistant/ # AI助手接口
│ │ ├── XiaozhiAgent.java # 医疗挂号客服助手
│ │ ├── MemoryChatAssistant.java # 带记忆的聊天助手
│ │ ├── SeparateChatAssistant.java # 区分会话的助手
│ │ └── Assistant.java # 基础助手
│ ├── config/ # 配置类
│ │ ├── XiaozhiAgentConfig.java # 小智配置
│ │ ├── MemoryChatAssistantConfig.java # 记忆助手配置
│ │ ├── SeparateChatAssistantConfig.java # 区分会话配置
│ │ └── CorsConfig.java # 跨域配置
│ ├── Controller/ # 控制器
│ │ └── XiaozhiController.java # 小智控制器
│ ├── Service/ # 业务服务
│ │ ├── AppointmentService.java # 预约服务接口
│ │ └── impl/AppointmentServiceImpl.java # 预约服务实现
│ ├── Tools/ # AI工具
│ │ ├── AppointmentTools.java # 预约工具
│ │ └── CalculatorTools.java # 计算器工具
│ ├── entity/ # 实体类
│ │ └── Appointment.java # 预约实体
│ ├── mapper/ # 数据访问层
│ │ └── AppointmentMapper.java # 预约映射器
│ ├── Store/ # 存储实现
│ │ └── MongoChatMemoryStore.java # MongoDB记忆存储
│ └── bean/ # 数据传输对象
│ ├── ChatForm.java # 聊天表单
│ └── ChatMessages.java # 聊天消息
├── src/main/resources/
│ ├── application.properties # 应用配置
│ ├── zhaozhi-prompt-template.txt # 小智提示词模板
│ ├── my-prompt-template.txt # 基础提示词模板
│ └── my-prompt-template3.txt # 扩展提示词模板
└── src/test/java/ # 测试类
├── LLMTest.java # 大模型测试
├── RAGTest.java # RAG测试
├── ToolsTest.java # 工具测试
├── EmbeddingTest.java # 嵌入测试
└── ... # 其他测试类frontend/ # 前端项目
├── src/
│ ├── App.vue # 主组件
│ ├── main.js # 入口文件
│ └── style.css # 样式文件
└── package.json # 前端依赖knowledge/ # 知识库
├── 医院信息.md # 医院基本信息
├── 科室信息.md # 科室介绍
├── 神经内科.md # 专科信息
└── ... # 其他医疗文档
3. 核心功能模块分析
核心功能
1. 医疗咨询服务
- 基于临床实践和研究提供专业医疗建议
- 包含病因分析、诊断流程、治疗方案
- 药物治疗指导（药品名称、剂量、疗程）
- 预防措施和应对策略
2. 智能分导诊
- 根据患者病情推荐合适科室
- 基于症状和需求的智能匹配
- 提供就医流程指导
3. 预约挂号服务
- 号源查询功能
- 智能预约挂号
- 预约取消服务
- 预约信息管理
4. 医院信息查询
- 医院基本信息（地址、电话、开放时间）
- 科室介绍
- 乘车路线
- 预约取号地点
//AI助手类型 XiaozhiAgent（医疗挂号客服助手）
@AiService(wiringMode = EXPLICIT,
chatModel = "qwenChatModel",
chatMemoryProvider = "chatMemoryProviderXiaozhi",
tools = "appointmentTools",
contentRetriever = "contentRetrieverXiaozhi"
)
public interface XiaozhiAgent {
@SystemMessage(fromResource = "zhaozhi-prompt-template.txt")
String chat(@MemoryId Long memoryId, @UserMessage String
userMessage);
}
特点 ：
- 完整的RAG实现（知识库检索）
- 工具调用能力（预约挂号工具）
- 会话记忆管理
- 专业的医疗客服人设
4. 关键技术实现
//@AiService 是LangChain4j的核心注解，用于定义AI服务接口：
@AiService(
wiringMode = EXPLICIT, // 显式连接模式
chatModel = "qwenChatModel", // 使用的聊天模型
chatMemoryProvider = "chatMemoryProvider", // 记忆提供者
tools = "appointmentTools", // 工具列表
contentRetriever = "contentRetrieverXiaozhi" // 内容检索器
)
参数说明 ：- wiringMode ：连接模式，EXPLICIT表示显式配置
- chatModel ：指定使用的聊天模型Bean名称
- chatMemoryProvider ：记忆提供者，用于管理对话历史
- tools ：AI可以调用的工具列表
- contentRetriever ：RAG内容检索器 4.1.2 消息类型
@SystemMessage(fromResource = "zhaozhi-prompt-template.
txt") // 系统消息
String chat(@MemoryId Long memoryId, @UserMessage String
userMessage); // 用户消息
```
消息类型 ：- @SystemMessage ：系统提示词，定义AI的角色和行为
- @UserMessage ：用户消息
- @MemoryId ：记忆ID，用于区分不同会话
- @V ：变量注入，用于动态参数
RAG（检索增强生成）实现 4.2.1 知识库加载
@Bean
public ContentRetriever contentRetrieverXiaozhi() {
// 使用FileSystemDocumentLoader读取指定目录下的知识库文档
Document document1 = FileSystemDocumentLoader.loadDocument
("F:\\ai-project\\knowledge\\医院信息.md");
Document document2 = FileSystemDocumentLoader.loadDocument
("F:\\ai-project\\knowledge\\科室信息.md");
Document document3 = FileSystemDocumentLoader.loadDocument
("F:\\ai-project\\knowledge\\神经内科.md");
List<Document> documents = Arrays.asList(document1,
document2, document3);
// 使用内存向量存储
InMemoryEmbeddingStore<TextSegment> embeddingStore = new
InMemoryEmbeddingStore<>();
// 使用默认的文档分割器
EmbeddingStoreIngestor.ingest(documents, embeddingStore);// 从嵌入存储里检索和查询内容相关的信息
return EmbeddingStoreContentRetriever.from(embeddingStore);
}
RAG流程 ：
1. 文档加载 ：从知识库加载相关文档
2. 文档分割 ：将文档分割成合适的文本段
3. 向量化 ：将文本段转换为向量表示
4. 存储 ：将向量存储到向量数据库
5. 检索 ：根据用户查询检索相关内容
6. 生成 ：将检索到的内容作为上下文生成回答 4.2.2 文档解析
项目支持多种文档格式：
聊天记忆管理 MongoDB记忆存储
@Bean
public ChatMemoryProvider chatMemoryProviderXiaozhi() {
return new ChatMemoryProvider() {
@Override
public ChatMemory get(Object memoryId) {
ChatMemory chatMemory = MessageWindowChatMemory.
builder()
.id(memoryId)
.maxMessages(20) // 最多保存20条消息
.chatMemoryStore(mongoChatMemoryStore)
.build();
return chatMemory;
}
};
}
记忆管理特点 ：- 会话隔离 ：每个memoryId对应独立的对话历史
- 消息窗口 ：限制保存的消息数量，避免上下文过长
- 持久化存储 ：使用MongoDB存储，支持重启后恢复
- 自动管理 ：框架自动处理消息的添加和检索
工具调用预约挂号工具
@Component
public class AppointmentTools {@Autowired
private AppointmentService appointmentService;@Tool(name="预约挂号", value = "根据参数，先执行工具方法
queryDepartment查询是否可预约，并直接给用户回答是否可预约，并让用户
确认所有预约信息，用户确认后再进行预约。如果用户没有提供具体的医生姓
名，请从向量存储中找到一位医生。")
public String bookAppointment(Appointment appointment) {
// 查找数据库中是否包含对应的预约记录
Appointment appointmentDB = appointmentService.getOne
(appointment);if(appointmentDB == null){
appointment.setId(null);
if(appointmentService.save(appointment)){
return "预约成功，并返回预约详情";
}else{
return "预约失败";
}
}
return "您在相同的科室和时间已有预约";
}@Tool(name="取消预约挂号", value = "根据参数，查询预约是否存在，如
果存在则删除预约记录并返回取消预约成功，否则返回取消预约失败")
public String cancelAppointment(Appointment appointment) {
Appointment appointmentDB = appointmentService.getOne
(appointment);
if(appointmentDB != null){
if(appointmentService.removeById(appointmentDB.getId
())){
return "取消预约成功";
}else{
return "取消预约失败";
}
}
return "您没有预约记录，请核对预约科室和时间";
}@Tool(name = "查询是否有号源", value="根据科室名称，日期，时间和医
生查询是否有号源，并返回给用户")
public boolean queryDepartment(
@P(value = "科室名称") String name,
@P(value = "日期") String date,
@P(value = "时间，可选值：上午、下午") String time,
@P(value = "医生名称", required = false) String
doctorName
) {
// TODO: 实现号源查询逻辑
return true;
}
}
工具调用特点 ：- 自动选择 ：AI根据用户意图自动选择合适的工具
- 参数映射 ：自动将用户输入映射到工具参数
- 返回值处理 ：工具返回值会作为AI回答的一部分
- 多工具协作 ：支持一个对话中调用多个工具
小智AI系统提示词 ：
你的名字是"硅谷小智"，你是一家名为"北京协和医院"的智能客服。
你是一个训练有素的医疗顾问和医疗伴诊助手。
你态度友好、礼貌且言辞简洁。1、请仅在用户发起第一次会话时，和用户打个招呼，并介绍你是谁。
2、作为一个训练有素的医疗顾问：
请基于当前临床实践和研究，针对患者提出的特定健康问题，提供详细、准确且实用的
医疗建议。请同时考虑可能的病因、诊断流程、治疗方案以及预防措施，并给出在不同
情境下的应对策略。对于药物治疗，请特别指明适用的药品名称、剂量和疗程。如果需
要进一步的检查或就医，也请明确指示。3、作为医疗伴诊助手，你可以回答用户就医流程中的相关问题，主要包含以下功能：
AI分导诊：根据患者的病情和就医需求，智能推荐最合适的科室。
AI挂号助手：实现智能查询是否有挂号号源服务；实现智能预约挂号服务；实现智能取
消挂号服务。4、你必须遵守的规则如下：
在获取挂号预约详情或取消挂号预约之前，你必须确保自己知晓用户的姓名（必选）、
身份证号（必选）、预约科室（必选）、预约日期（必选，格式举例：
2025-04-14）、预约时间（必选，格式：上午 或 下午）、预约医生（可选）。
当被问到其他领域的咨询时，要表示歉意并说明你无法在这方面提供帮助。5、请在回答的结果中适当包含一些轻松可爱的图标和表情。
6、今天是 {{current_date}}。
提示词设计要点 ：1. 角色定义 ：明确AI的身份和职责
2. 功能说明 ：详细描述AI能提供的服务
3. 规则约束 ：设定必须遵守的规则
4. 格式要求 ：指定输出格式和风格
5. 动态变量 ：使用 {{current_date}} 等变量实现动态内容
5. 对话流程设计
用户发起对话
↓
小智AI问候（首次会话）
↓
用户提出问题
↓
意图识别
├─ 医疗咨询 → RAG检索知识库 → 生成专业回答
├─ 分导诊需求 → 分析症状 → 推荐科室
├─ 预约挂号 → 调用queryDepartment → 确认信息 → 调用
bookAppointment
├─ 取消预约 → 验证预约 → 调用cancelAppointment
└─ 其他问题 → 礼貌拒绝
↓
生成回答
↓
更新对话记忆
↓
返回给用户
作为“人工智能6S店”的官方数字引擎，为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)