最近，“通义千问点奶茶"在技术圈刷屏。作为一个 Java 后端开发，我的第一反应不是"好酷”，而是——“这后端的链路是怎么串起来的？”

本文从后端视角，拆解这背后可能的技术实现。你会发现，核心并非黑科技，而是我们熟悉的业务流程与大模型能力的融合。

声明：本文基于公开产品体验和通用技术原理进行推测分析，不代表阿里内部真实实现方案。

---

一、先看真实的产品体验

当你在千问 App 里说"帮我点杯奶茶"，实际发生的是：

1. 千问弹出授权弹窗，请求接入淘宝闪购
2. 授权后，AI 返回一段引导文案 + 可左右滑动的商品推荐卡片
3. 卡片展示了附近门店的推荐饮品（店名、商品图、价格、描述）
4. 你点击卡片，跳转到淘宝闪购页面，自己选规格、下单、支付

注意：AI 没有通过对话帮你一步步选杯型、冰度、甜度，也没有直接帮你下单。 它做的是"帮你找到想喝的"，然后把交易环节交给淘宝闪购的成熟页面。

AI 在这里扮演的是**“智能导购”**，而不是"全自动下单机器人"。

---

二、核心技术：Function Calling

整件事最关键的技术点是 Function Calling（工具调用）。

大模型的本质是一个文本生成器，它只会"说话"，不会也不能自己发 HTTP 请求调接口。那它怎么获取附近门店和商品数据的？

答案是 Function Calling——一个大模型和后端代码之间的协议约定：

1. 你告诉大模型：你有哪些工具可用（工具名 + 描述 + 参数格式）
2. 大模型判断：当前该用哪个工具，参数填什么
3. 你的代码执行：拿到参数，调用真正的业务接口
4. 结果回传给大模型：大模型拿到真实数据，继续推理或生成回复

大模型返回的不是"好的我去帮你找"这样的文字，而是一个结构化 JSON 指令：

{
  "tool": "search_nearby_shops",
  "arguments": {
    "latitude": 30.28,
    "longitude": 120.01,
    "category": "奶茶"
  }
}

后端代码解析指令、执行业务调用、返回结果。AI 负责"想"，代码负责"干"。

---

三、完整链路还原

用户: "千问，帮我点杯奶茶"
       │
       ▼
① 意图识别：大模型判断这是"点奶茶"的行动意图
       │
       ▼
② 授权检查：是否已授权淘宝闪购
  → 未授权 → 弹出授权弹窗（OAuth）
  → 已授权 → 继续
       │
       ▼
③ 上下文组装：
  System Prompt（角色规则）
  + 用户画像（历史偏好、常用地址）
  + 客户端上报的 LBS 定位
  + 用户输入
  → 一起发给大模型
       │
       ▼
④ 大模型决策 → Function Calling：
  → 基于用户定位，调用【搜索附近门店 + 推荐商品】工具
       │
       ▼
⑤ 后端执行工具：
  调用淘宝闪购的搜索/推荐接口
  → 返回门店列表 + 热门商品（名称、图片、价格）
       │
       ▼
⑥ 大模型组装回复：
  → 生成引导文案
  → 将结构化商品数据传给前端
       │
       ▼
⑦ 前端渲染：
  → AI 文案 + 可滑动的商品推荐卡片
  → 点击卡片 → 跳转淘宝闪购页面
       │
       ▼
⑧ 用户在闪购页面自主完成：
  选规格 → 下单 → 支付宝支付 → 等待配送

---

四、两个常见误解的澄清

误解一：“菜单数据是提前灌到 AI 知识库里的”

不是。 菜单涉及实时价格、实时库存、门店营业状态，这些每时每刻都在变。如果提前灌入知识库，AI 告诉你 18 块，下单发现涨价了或卖完了，体验就崩了。

菜单数据是通过 Function Calling 实时查询的，不是预置在模型里的。

那 RAG（知识库检索）什么时候用？当用户问"鸭屎香是什么茶？""这款饮品多少卡路里？"这类品牌知识问题时才用。

数据类型	获取方式
菜单 / 库存 / 价格	Function Calling 实时查询
用户偏好 / 历史订单	业务系统直接查询
品牌知识 / FAQ	RAG 语义检索

误解二：“AI 直接帮你下单付款了”

没有。 从实际体验看，AI 只负责了推荐环节，下单和支付是用户跳转到淘宝闪购页面后自己完成的。

环节	谁在做
理解意图、搜索推荐	AI（Function Calling）
选规格、下单、支付	用户自己（在闪购页面）
配送履约	外卖平台原有系统

这么设计是合理的：规格选择太复杂（杯型/冰度/甜度/加料），交易涉及资金安全，复用闪购成熟的交易页面比让 AI 全程对话式操作更高效、更安全。

---

五、对 Java 开发者的启示

要构建类似的 AI Agent 应用，核心三件事：

1. 大脑（LLM）：接入具备 Function Calling 能力的大模型（通义千问、GPT、DeepSeek 等）。
2. 框架：Spring AI / Spring AI Alibaba 提供了 @Tool 注解，框架自动处理工具注册、参数解析、方法路由。你不需要手动解析 JSON。
3. 工具实现：每一个 @Tool 背后的业务逻辑——调哪个服务、怎么处理异常、返回什么数据——这是你要写的核心代码。

框架解决"AI 和代码怎么通信"，你解决"业务逻辑怎么实现"。

---

结语

"千问点奶茶"没有魔法。它是大模型的意图理解 + Function Calling 的工具调用 + 成熟的电商交易体系共同协作的结果。

阿里选了一条务实的路：让 AI 做推荐，让交易系统做交易，两者通过 Function Calling 连接。

AI 再强，也得有人帮它写 @Tool。而这，正是我们程序员的新战场。