项目介绍
随着人工智能技术的发展，特别是大型语言模型（LLM）的出现，为构建智能对话系统提供了新的可能。然而，单纯依靠LLM存在知识时效性、工具使用能力和上下文管理等问题。本项目旨在解决这些痛点，构建一个能够自主思考、规划和行动的智能体系统，为旅游领域提供全方位的智能服务。本项目是一个面向旅游领域的智能助手系统，通过整合大型语言模型（如阿里云通义千问）、知识检索增强、工具调用和多轮对话管理，为用户提供沉浸式的旅游规划和咨询体验。系统不仅能够回答旅游相关问题，还能主动调用各种工具（如网页搜索、PDF生成、文件操作等）来完成复杂任务，实现真正的智能代理功能。
项目亮点
- 智能体架构
通过抽象基础代理类和实现ReAct模式，构建了一个能够自主思考和行动的智能体系统。
- 工具调用系统的灵活设计
工具调用系统采用了统一的注册和调用机制，每个工具都实现了标准接口，并通过ToolRegistration进行统一管理。
- 高性能的RAG实现
在RAG系统设计中，我采用了PostgreSQL+pgvector作为向量数据库，相比纯内存向量数据库，这种方案在大规模数据集上表现更加稳定，且支持持久化存储。
- 流式响应机制
基于SSE（Server-Sent Events）的流式响应机制，使得用户可以实时看到智能体的思考和行动过程，而不需要等待整个任务完成。
系统架构设计
采用了模块化、分层的架构设计，确保系统的可扩展性和可维护性。
API层
负责处理HTTP请求，提供RESTful API接口
服务层
实现业务逻辑，协调各组件工作
智能体层
核心AI代理层，实现思考-行动循环
大语言模型
提供自然语言理解和生成能力
工具调用
扩展智能体能力的各种工具
知识检索增强
通过向量数据库增强模型回答质量
会话记忆
管理多轮对话上下文
技术栈
后端技术
Spring Boot 3.5.0、Spring AI 1.0.0、
阿里云通义千问 (Qwen-Plus)、PostgreSQL
Pgvector、Redis、MyBatis-Plus 3.5.12
Knife4j 4.5.0 (基于OpenAPI 3)、
Hutool 5.8.37、Lombok 1.18.38
iText 9.1.0、Jsoup 1.19.1
前端技术
Vue.js/React、
Element-Plus/Ant Design
Axios、Pinia/Redux
核心功能
后端
- 智能体系统 (Agent)
智能体是系统的核心，采用了ReAct（Reasoning and Acting）模式，通过"思考-行动"的循环来解决复杂问题。
- 工具调用系统 (Tools)
工具调用系统扩展了智能体的能力边界，使其能够与外部世界交互。
- RAG知识增强系统 (RAG)
RAG系统通过检索相关知识来增强模型回答，特别适合处理专业领域问题。
向量存储：使用PostgreSQL+pgvector存储文档向量
文档处理：支持多种格式文档的处理和分块
检索器：基于语义相似度检索相关文档片段
嵌入模型：将文本转换为向量表示
- 对话管理系统
会话状态管理：跟踪和维护对话状态
上下文记忆：使用Redis存储短期记忆
多轮对话支持：维护连贯的对话体验
- API接口系统
AgentController：智能体交互接口
AppController：应用核心功能接口
RagController：知识检索相关接口
前端
AI 聊天界面
通过响应式聊天界面与 AI 智能体交互
知识库管理
查看和管理 AI 使用的知识
设置与配置
自定义 AI 智能体的行为
用户认证
安全的登录系统
安装部署
- 后端安装
环境要求
JDK 21+、Maven 3.8+、Redis 6+
PostgreSQL 14+（已安装pgvector扩展）
克隆仓库
git clone ai-agent.gitcd ai-agent配置环境变量
创建 .env 文件并配置以下环境变量：
AI_DASHSCOPE_API_KEY=your_dashscope_api_keySEARCH_API_KEY=your_search_api_key编译项目
mvn clean package运行应用
java -jar target/ai-agent-0.0.1-SNAPSHOT.jar2. 前端安装
npm install开发服务器
npm run dev生产构建
npm run buildUI展示
