Ai媒婆（丘比特）

ai智能体 - 实现Ai媒婆（丘比特）功能-第4期扩展

仓库：lihuibear/ai-agent

本地知识库（md文档）实现

文档内容

▼
markdown
复制代码
**姓名**：林悦，**年龄**：25岁，**性别**：女，**星座**：白羊座，**职业**：平面设计师，**爱好**：绘画、摄影，**择偶期望**：希望对方幽默风趣，有上进心，热爱生活。
**姓名**：陈宇轩，**年龄**：28岁，**性别**：男，**星座**：狮子座，**职业**：程序员，**爱好**：打篮球、玩游戏，**择偶期望**：找一个温柔体贴，善解人意，能理解自己工作的女生。
**姓名**：苏瑶，**年龄**：30岁，**性别**：女，**星座**：天秤座，**职业**：教师，**爱好**：阅读、旅行，**择偶期望**：希望另一半成熟稳重，有责任心，有共同的兴趣爱好。
**姓名**：郑泽阳，**年龄**：23岁，**性别**：男，**星座**：双子座，**职业**：市场营销专员，**爱好**：唱歌、跳舞，**择偶期望**：想找一个活泼开朗，有活力，喜欢社交的女生。
**姓名**：李婉清，**年龄**：27岁，**性别**：女，**星座**：天蝎座，**职业**：护士，**爱好**：瑜伽、烹饪，**择偶期望**：希望对方身体健康，有爱心，能支持自己的工作。
**姓名**：赵启铭，**年龄**：32岁，**性别**：男，**星座**：摩羯座，**职业**：企业高管，**爱好**：健身、高尔夫，**择偶期望**：想找一个优雅大方，有内涵，能在事业上互相支持的女生。
**姓名**：周雨薇，**年龄**：26岁，**性别**：女，**星座**：射手座，**职业**：自由撰稿人，**爱好**：写作、看电影，**择偶期望**：希望另一半思想开放，有创造力，热爱文学艺术。
**姓名**：吴俊辉，**年龄**：29岁，**性别**：男，**星座**：水瓶座，**职业**：工程师，**爱好**：户外运动、摄影，**择偶期望**：找一个乐观积极，热爱大自然，能一起探索世界的女生。
**姓名**：孙晓萱，**年龄**：24岁，**性别**：女，**星座**：处女座，**职业**：行政助理，**爱好**：手工制作、听音乐，**择偶期望**：希望对方细心耐心，有良好的生活习惯，对感情专一。 

关键代码

LoveAppDocumentToAiCupidLoader

▼
java
复制代码
package com.lihui.aiagent.rag;

import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.document.Document;
import org.springframework.ai.reader.markdown.MarkdownDocumentReader;
import org.springframework.ai.reader.markdown.config.MarkdownDocumentReaderConfig;
import org.springframework.core.io.Resource;
import org.springframework.core.io.support.ResourcePatternResolver;
import org.springframework.stereotype.Component;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

@Component
@Slf4j
class LoveAppDocumentToAiCupidLoader {

    private final ResourcePatternResolver resourcePatternResolver;

    LoveAppDocumentToAiCupidLoader(ResourcePatternResolver resourcePatternResolver) {
        this.resourcePatternResolver = resourcePatternResolver;
    }

    /**
     * 加载 Markdown 文档
     * @return
     */
    public List<Document> loadMarkdowns() {
        List<Document> allDocuments = new ArrayList<>();
        try {
            // 修改为具体的文件路径
            Resource[] resources = resourcePatternResolver.getResources("classpath:document/用户资料.md");
            for (Resource resource : resources) {
                String fileName = resource.getFilename();
                MarkdownDocumentReaderConfig config = MarkdownDocumentReaderConfig.builder()
                        .withHorizontalRuleCreateDocument(true)
                        .withIncludeCodeBlock(false)
                        .withIncludeBlockquote(false)
                        .withAdditionalMetadata("filename", fileName)
                        .build();
                MarkdownDocumentReader reader = new MarkdownDocumentReader(resource, config);
                allDocuments.addAll(reader.get());
            }
        } catch (IOException e) {
            log.error("用户资料 Markdown 文档加载失败", e);
        }
        return allDocuments;
    }
}

LoveAppVectorStoreConfig

▼
java
复制代码
package com.lihui.aiagent.rag;

import jakarta.annotation.Resource;
import org.springframework.ai.document.Document;
import org.springframework.ai.embedding.EmbeddingModel;
import org.springframework.ai.vectorstore.SimpleVectorStore;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.util.List;

@Configuration
public class LoveAppVectorStoreConfig {

    @Resource
    private LoveAppDocumentLoader loveAppDocumentLoader;
    @Resource
    private LoveAppDocumentToAiCupidLoader loveAppDocumentToAiCupidLoader;


    @Bean
    VectorStore loveAppVectorStore(EmbeddingModel dashscopeEmbeddingModel) {
        SimpleVectorStore simpleVectorStore = SimpleVectorStore.builder(dashscopeEmbeddingModel)
                .build();
        // 加载文档
        List<Document> documents = loveAppDocumentLoader.loadMarkdowns();
        simpleVectorStore.add(documents);
        return simpleVectorStore;
    }

    @Bean
    VectorStore loveAppToAiCupidVectorStore(EmbeddingModel dashscopeEmbeddingModel) {
        SimpleVectorStore simpleVectorStore = SimpleVectorStore.builder(dashscopeEmbeddingModel)
                .build();
        // 加载文档
        List<Document> documents = loveAppDocumentToAiCupidLoader.loadMarkdowns();
        simpleVectorStore.add(documents);
        return simpleVectorStore;
    }


}

LoveApp

▼
java
复制代码
 // AI媒婆（本地知识库实现）
    @Resource
    private VectorStore loveAppToAiCupidVectorStore;

    public String doChatWithRagToAiCupid(String message, String chatId) {
        ChatResponse chatResponse = chatClient
                .prompt()
                .user(message)
                .system(SYSTEM_PROMPT + "对话完成后，请以列表形式提供与用户性别相异且匹配的资料，列表中的每个条目应包含姓名、年龄、爱好等基本信息。如果没有匹配的资料，请明确说明 '未找到匹配资料'。")
                .advisors(spec -> spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId)
                        .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10))
                // 开启日志，便于观察效果
                .advisors(new MyLoggerAdvisor())
                // 应用知识库问答
                .advisors(new QuestionAnswerAdvisor(loveAppToAiCupidVectorStore))
                .call()
                .chatResponse();
        String content = chatResponse.getResult().getOutput().getText();
        log.info("content: {}", content);
        return content;
    }

测试

▼
java
复制代码
@Test
void doChatWithRagToAiCupid() {
    String chatId = UUID.randomUUID().toString();
    String message = "我是男生，22岁，喜欢睡觉";
    String answer =  loveApp.doChatWithRagToAiCupid(message, chatId);
    Assertions.assertNotNull(answer);
}

数据库实现

数据库内容

关键代码

基于Mybatisplus 使用MybatisX 生成的就不写了

LoveAppDocumentToAiCupidMybatisPlusLoader

▼
java
复制代码
package com.lihui.aiagent.rag;

import com.lihui.aiagent.domain.Userprofile;
import com.lihui.aiagent.mapper.UserprofileMapper;
import jakarta.annotation.Resource;
import lombok.extern.slf4j.Slf4j;
import org.springframework.ai.document.Document;
import org.springframework.stereotype.Component;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

@Component
@Slf4j
class LoveAppDocumentToAiCupidMybatisPlusLoader {

    @Resource
    private UserprofileMapper UserprofileMapper;

    /**
     * 从数据库加载用户资料
     *
     * @return
     */
    public List<Document> loadMarkdowns() {
        List<Document> allDocuments = new ArrayList<>();
        try {
            List<Userprofile> Userprofiles = UserprofileMapper.selectList(null);
            for (Userprofile Userprofile : Userprofiles) {
                String content = String.format("**姓名**：%s，**年龄**：%d岁，**性别**：%s，**星座**：%s，**职业**：%s，**爱好**：%s，**择偶期望**：%s",
                        Userprofile.getName(), Userprofile.getAge(), Userprofile.getGender(),
                        Userprofile.getConstellation(), Userprofile.getOccupation(),
                        Userprofile.getHobbies(), Userprofile.getPartnerexpectation());
                Map<String, Object> metadata = new HashMap<>();
                metadata.put("filename", "user_profile");
                Document document = new Document(content, metadata);
                allDocuments.add(document);
            }
        } catch (Exception e) {
            log.error("用户资料从数据库加载失败", e);
        }
        return allDocuments;
    }
}

LoveAppVectorStoreMybatisConfig

▼
java
复制代码
package com.lihui.aiagent.rag;

import jakarta.annotation.Resource;
import org.springframework.ai.document.Document;
import org.springframework.ai.embedding.EmbeddingModel;
import org.springframework.ai.vectorstore.SimpleVectorStore;
import org.springframework.ai.vectorstore.VectorStore;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

import java.util.List;

@Configuration
public class LoveAppVectorStoreMybatisConfig {

    @Resource
    private LoveAppDocumentToAiCupidMybatisPlusLoader loveAppDocumentToAiCupidMybatisPlusLoader;

    @Bean
    VectorStore loveAppToAiCupidVectorStoreMybatis(EmbeddingModel dashscopeEmbeddingModel) {
        SimpleVectorStore simpleVectorStore = SimpleVectorStore.builder(dashscopeEmbeddingModel)
                .build();
        // 从数据库加载文档
        List<Document> documents = loveAppDocumentToAiCupidMybatisPlusLoader.loadMarkdowns();
        simpleVectorStore.add(documents);
        return simpleVectorStore;
    }

}

LoveApp

▼
java
复制代码
 // AI媒婆（本地知识库实现 + 数据库）
    @Resource
    private VectorStore loveAppToAiCupidVectorStoreMybatis;

    public String doChatWithRagToAiCupidMybatis(String message, String chatId) {
        ChatResponse chatResponse = chatClient
                .prompt()
                .user(message)
                .system(SYSTEM_PROMPT + "对话完成后，请以列表形式提供与用户性别相异且匹配的资料，列表中的每个条目应包含姓名、年龄、爱好等基本信息。如果没有匹配的资料，请明确说明 '未找到匹配资料'。")
                .advisors(spec -> spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId)
                        .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10))
                // 开启日志，便于观察效果
                .advisors(new MyLoggerAdvisor())
                // 应用知识库问答
                .advisors(new QuestionAnswerAdvisor(loveAppToAiCupidVectorStoreMybatis))
                .call()
                .chatResponse();
        String content = chatResponse.getResult().getOutput().getText();
        log.info("content: {}", content);
        return content;
    }

测试

不知道为什么一直有无法输出的信息（云平台的监管）

▼
java
复制代码
@Test
void doChatWithRagToAiCupidMybatis() {
    String chatId = UUID.randomUUID().toString();
    String message = "我是男生，22岁，喜欢睡觉";
    String answer =  loveApp.doChatWithRagToAiCupidMybatis(message, chatId);
    Assertions.assertNotNull(answer);
}