【Spring AI RAG实战】解决大模型“只会查不会懂“的通病，提升回答质量必看教程（建议收藏）

本文介绍了Spring AI框架下RAG系统的优化方案，针对传统RAG系统缺乏意图识别导致回答质量差的问题，提出了通过意图识别机制提升系统智能性的方法。文章详细实现了基于字符匹配和基于LLM的两种意图识别方式，并定义了通用ChatHandler接口及多种特定业务处理器（如优惠券、问候、通用聊天等）。这种设计使系统能够准确理解用户意图，将问题交给对应的处理器，从而显著提升回答的相关性和准确性。

Python程序员小泉

247人浏览 · 2026-01-29 19:53:05

Python程序员小泉 · 2026-01-29 19:53:05 发布

Spring AI 版本为1.x 最新版本：1.1.2

JDK17+

Spring Boot 3.4.8

[[Spring AI RAG 数据库实战] RAG 知识库接入实现基于知识库的回答] 一文中接入 Rag，为大模型提供私有数据以供其回答。

落地时会发现 RAG项目的通病：只会查询数据库，完全不懂“你想干什么”

从我们案例的表现就是，大模型变成只会回答优惠券的问题了，任何无关紧要的也会扯到优惠券上面去，如下图：

如果我们不做意图识别，所有问题都会被一股脑丢进向量数据库做相似度搜索，结果通常是：

查不到相关文档
或查到完全不相关的内容
最终回答变得“又慢又傻”

下面就用一个最简单的方式来做意图识别，让智能机器人真正“像个助手”。

如上图所示，将用户输入的问题，通过“意图识别” ，识别用户的问题属于哪一类问题，然后交由对应的聊天处理器来处理，最终生成对应的答案。

具体实现类图如下：

定义通用聊天处理器 ChatHandler ，提供两个主要的方法

canHandle 用来判定该 Handler 适合处理的逻辑
handle 用来执行聊天处理

单一ChatHandler

单一ChatHandler 是用来处理单一业务层面，

CouponChatHandler 是基于本地数据的 RAG 聊天处理器
GeneralChatHandler 使用用来处理其他通用的聊天内容的聊天处理器
GreetingChatHandler 就是单纯的返回问候信息的聊天处理器

针对不同的业务场景，后期还可以增加 OrderChatHandler 基于订单的聊天处理器，ProductChatHandler 基于产品的聊天处理器。

GreetingChatHandler 问候聊天处理

逻辑很简单，直接根据特定词识别并返回问候信息，后期可以根据业务场景进行拓展。

其实现的效果如下

CouponChatHandler 优惠券 RAG 聊天处理

实现逻辑，即前面实现的 RAG ，只是将其封装到 CouponChatHandler 中。

其实实现的效果就是优惠券的RAG处理，

GeneralChatHandler 通用聊天处理

GeneralChatHandler 就是一个有系统预设的聊天模型，用来处理用户的一些其他问题，不至于太死板，达到的效果如下

能够回答其他问题，而不是只会回答 RAG的内容。

意图识别 ChatHandler

意图识别 ChatHandler 主要有两个实现

RuleBasedChatHandlerComposite 基于字符匹配意图识别
LLMBasedChatHandlerComposite 基于 LLM的意图识别

Composite 维护有 ChatHandler 集合，意图识别后，调用匹配的 ChatHandler 实现意图识别的效果。

RuleBasedChatHandlerComposite 字符匹配意图识别

将用户的输入，按顺序分别匹配不同的 ChatHandler 。

匹配到的对应的 ChatHandler 后，执行 handle 方法。

LLMBasedChatHandlerComposite 基于 LLM 的意图识别

通过大模型识别用户的输入意图，选择对应的 ChatHandler 。

最后

我在一线科技企业深耕十二载，见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

✅AI大模型学习路线图
✅Agent行业报告
✅100集大模型视频教程
✅大模型书籍PDF
✅DeepSeek教程
✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

在这里插入图片描述

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

在这里插入图片描述

资料包有什么？

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点
在这里插入图片描述

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

在这里插入图片描述

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

在这里插入图片描述

④各大厂大模型面试题目详解

在这里插入图片描述

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述