一、项目背景与核心目标

基于 LangChain4j 实现北京协和医院智能客服（硅谷小智），核心功能包括：

• 医疗咨询：提供病因、诊断、治疗、预防等医疗建议；
• 就医伴诊：AI 分导诊、挂号查询 / 预约 / 取消；
• 会话能力：聊天记忆（上下文）、记忆持久化（MongoDB）、个性化提示词；
• 交互规范：友好礼貌、仅首次会话打招呼、跨领域咨询致歉、带可爱表情。

二、核心组件实现

2.1 1. 定义小智助手接口（XiaozhiAgent）

通过 @AiService 注解声明 AI 服务，指定聊天模型、记忆提供者，结合 @SystemMessage/@MemoryId/@UserMessage 实现提示词和会话控制。

package com.atguigu.java.ai.langchain4j.assistant;

import dev.langchain4j.service.*;
import dev.langchain4j.service.spring.AiService;
import static dev.langchain4j.service.spring.AiServiceWiringMode.EXPLICIT;

/**
 * 硅谷小智（北京协和医院智能客服）核心接口
 */
@AiService(
    wiringMode = EXPLICIT,          // 显式绑定模式（精准控制依赖）
    chatModel = "qwenChatModel",    // 指定使用的大模型（如通义千问）
    chatMemoryProvider = "chatMemoryProviderXiaozhi" // 绑定自定义的聊天记忆提供者
)
public interface XiaozhiAgent {

    /**
     * 核心聊天方法
     * @param memoryId 会话记忆ID（用于隔离不同用户的上下文）
     * @param userMessage 用户输入的问题
     * @return 小智的回复
     */
    @SystemMessage(fromResource = "zhaozhi-prompt-template.txt") // 从资源文件加载系统提示词
    String chat(@MemoryId Long memoryId, @UserMessage String userMessage);
}

2.2 2. 系统提示词模板（zhaozhi-prompt-template.txt）

放置在 resources 根目录，定义小智的角色、规则、回复风格，包含 {{current_date}} 动态占位符（自动填充当前日期）。

txt

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。

### 核心规则
1. 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。
   需包含可能的病因、诊断流程、治疗方案以及预防措施，并给出不同情境下的应对策略。
   涉及药物治疗时，明确药品名称、剂量和疗程；需要就医/检查时，明确指示。
3. 作为医疗伴诊助手（挂号相关）：
   - AI分导诊：根据病情/需求推荐最合适的科室；
   - AI挂号助手：支持查询号源、预约挂号、取消挂号；
   - 操作挂号/取消挂号前，必须确认用户的姓名（必选）、身份证号（必选）、预约科室（必选）、预约日期（格式：2025-04-14，必选）、预约时间（上午/下午，必选）、预约医生（可选）。
4. 跨领域咨询：被问到医疗/挂号以外的问题时，致歉并说明无法提供帮助。
5. 回复风格：适当添加轻松可爱的图标和表情（如😊、💊、🏥）。

### 补充信息
今天是 {{current_date}}。

2.3 3. 配置聊天记忆（持久化 + 隔离）

通过 @Configuration 配置类创建 ChatMemoryProvider，实现会话记忆的持久化（MongoDB）和隔离（按 memoryId 区分用户），控制最大记忆消息数。

package com.atguigu.java.ai.langchain4j.config;

import dev.langchain4j.memory.ChatMemory;
import dev.langchain4j.memory.chat.MessageWindowChatMemory;
import dev.langchain4j.memory.store.MongoChatMemoryStore;
import dev.langchain4j.service.ChatMemoryProvider;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * 硅谷小智的聊天记忆配置
 */
@Configuration
public class XiaozhiAgentConfig {

    // 注入MongoDB持久化存储对象（需提前配置MongoDB连接）
    @Autowired
    private MongoChatMemoryStore mongoChatMemoryStore;

    /**
     * 创建小智专属的聊天记忆提供者
     * @return 按memoryId隔离的聊天记忆
     */
    @Bean
    ChatMemoryProvider chatMemoryProviderXiaozhi() {
        // 为每个memoryId创建独立的MessageWindowChatMemory
        return memoryId -> MessageWindowChatMemory.builder()
                .id(memoryId)               // 会话ID（用户唯一标识）
                .maxMessages(20)            // 最大记忆20条消息（控制上下文长度）
                .chatMemoryStore(mongoChatMemoryStore) // 持久化到MongoDB
                .build();
    }
}

2.4 4. 封装对话请求对象（ChatForm）

统一接收前端 / 测试端的对话请求参数，包含会话 ID 和用户消息。

package com.atguigu.java.ai.langchain4j.bean;

import lombok.Data;

/**
 * 聊天请求表单对象
 */
@Data // Lombok注解，自动生成get/set/toString等方法
public class ChatForm {
    private Long memoryId; // 对话ID（用户唯一标识，用于记忆隔离）
    private String message;// 用户输入的问题/指令
}

2.5 5. 控制器层（Controller）

暴露接口供外部调用，接收用户请求并转发给 XiaozhiAgent。

package com.atguigu.java.ai.langchain4j.controller;

import com.atguigu.java.ai.langchain4j.assistant.XiaozhiAgent;
import com.atgu.java.ai.langchain4j.bean.ChatForm;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RestController;

/**
 * 硅谷小智前端交互接口
 */
@RestController
public class XiaozhiController {

    @Autowired
    private XiaozhiAgent xiaozhiAgent;

    /**
     * 聊天接口
     * @param chatForm 聊天请求参数（memoryId + message）
     * @return 小智的回复
     */
    @PostMapping("/xiaozhi/chat")
    public String chat(@RequestBody ChatForm chatForm) {
        // 调用小智核心方法
        return xiaozhiAgent.chat(chatForm.getMemoryId(), chatForm.getMessage());
    }
}

2.6 6. 测试方法

package com.atguigu.java.ai.langchain4j;

import com.atguigu.java.ai.langchain4j.assistant.XiaozhiAgent;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

@SpringBootTest
public class XiaozhiAgentTest {

    @Autowired
    private XiaozhiAgent xiaozhiAgent;

    /**
     * 测试小智核心功能
     */
    @Test
    public void testXiaozhiChat() {
        // 第一次会话（memoryId=1，用户首次提问）
        String answer1 = xiaozhiAgent.chat(1L, "我最近胃疼，该怎么办？");
        System.out.println("小智回复1：" + answer1);
        // 预期回复：打招呼+医疗建议（如“你好呀😊！我是硅谷小智，协和医院的智能客服～胃疼可能是胃炎/胃溃疡等原因💊，建议先做胃镜检查🏥，日常避免辛辣饮食...）

        // 第二次会话（同一memoryId，上下文连续）
        String answer2 = xiaozhiAgent.chat(1L, "那我该挂哪个科室？");
        System.out.println("小智回复2：" + answer2);
        // 预期回复：基于上文推荐科室（如“胃疼建议挂消化内科哦😜，消化内科主要处理胃肠相关疾病～”）

        // 跨领域咨询测试
        String answer3 = xiaozhiAgent.chat(1L, "怎么订机票？");
        System.out.println("小智回复3：" + answer3);
        // 预期回复：致歉（如“抱歉呀😅，我是协和医院的智能客服，暂时无法解答订机票的问题哦～”）
    }
}

三、待优化与扩展方向

3.1 1. 信息查询能力增强（RAG 检索增强生成）

当前提示词仅定义规则，但缺乏医院 / 科室 / 医生的真实数据，需结合 RAG 实现精准信息查询：

• 数据准备：将协和医院的位置、营业时间、科室列表、医生信息（职称、擅长领域、出诊时间）存入向量数据库（如 Milvus/PGVector）；
• RAG 集成：在 XiaozhiAgent 中添加 RAG 检索逻辑，用户询问 “协和医院在哪”“消化内科有哪些医生” 时，从向量库检索真实数据并生成回复；
• 优势：避免大模型 “幻觉”，保证信息准确。

3.2 2. 业务功能落地（Function Calling 函数调用）

当前仅定义了挂号 / 取消挂号的规则，需通过 Function Calling 对接真实业务系统：

• 步骤 1：定义业务函数（如查询号源、预约挂号、取消挂号）：

  // 挂号服务接口
  public interface RegistrationService {
      // 查询科室号源
      String queryRegistrationSource(String department, String date);
      // 预约挂号
      String register(String name, String idCard, String department, String date, String time, String doctor);
      // 取消挂号
      String cancelRegistration(String name, String idCard, String department, String date);
  }
  

• 步骤 2：在 LangChain4j 中配置 Function Calling，让大模型根据用户指令自动调用上述函数；
• 步骤 3：函数执行结果返回给大模型，由大模型整理成自然语言回复用户（如 “已为你预约 2025-04-14 上午消化内科张医生的号😘，请携带身份证前往就诊～”）。

3.3 3. 其他优化点

• 参数校验：在 Controller 层校验 ChatForm 的 memoryId 和 message 非空，挂号相关指令校验姓名 / 身份证等必填参数；
• 异常处理：添加全局异常处理器，捕获大模型调用 / 数据库 / 业务系统异常，返回友好提示；
• 多轮会话优化：调整 maxMessages 数量，平衡上下文长度和性能；
• 表情 / 格式标准化：定义固定的表情库，避免回复风格混乱。

四、核心总结

1. 硅谷小智的核心是 @AiService 注解的 XiaozhiAgent 接口，通过 @SystemMessage 定义角色 / 规则，@MemoryId 实现会话隔离；
2. 聊天记忆通过 ChatMemoryProvider 配置，结合 MongoChatMemoryStore 实现持久化，maxMessages 控制上下文长度；
3. 现阶段实现了基础的医疗咨询 / 伴诊规则，后续需通过 RAG 补充真实信息、Function Calling 对接业务系统，完成功能落地。