• 超实用!用FunctionCall实现快递AI助手

超实用!用FunctionCall实现快递AI助手

2025-04-27 10:40:15 栏目:宝塔面板 1 阅读

昨天晚上直播,我们用 RAG(Retrieval-Augmented Generation,检索增强生成)实现了数据库 AI 助手,今天我们准备换一个技术使用 function call 来实现快递 AI 助手。

执行效果

快递 AI 助手的业务逻辑很清晰,就是我通过 LLM 大语言模型的对话来查询我的快递详情,例如,我问 AI 我有几个“运送中”的快递,他把这些快递查询并展示出来,效果如下图所示:

图片

什么是 function call?

定义: Function Call(也称为 Tool Call)它允许大模型与一组 API 或工具进行交互,从而增强其功能。

也就是说 Function Call 和 RAG、MCP 等类似都是用于增强 AI 能力边界的

function call 执行流程

执行流程如下:

图片

其中,Tool 既为 Function Call。

当然如果你上图看的不是很懂的话,也可以参考阿里云提供的 function call 的工作流程:

快递 AI 助手实现

具体实现步骤:

  1. 添加大模型依赖
  2. 配置大模型参数
  3. 创建 function call
  4. 调用 function call 实现快递查询

接下来,我们一步步来看,我们以阿里云的百炼(通义千问)大模型对接为例。

1.添加大模型依赖


    org.springframework.ai
    spring-ai-starter-model-openai

2.配置大模型参数

spring:
  ai:
    openai:
      base-url: https://dashscope.aliyuncs.com/compatible-mode/
      api-key: ${ALIYUN-AK}
      chat:
        options:
          model: deepseek-v3

3.创建 function call

这里就不连接数据库查询快递信息了,生成级别需要连接数据库,这里演示效果,构建测试数据即可,如下代码所示:

import org.springframework.ai.tool.annotation.Tool;

import java.time.LocalDateTime;
import java.util.ArrayList;
import java.util.List;
import java.util.stream.Collectors;

publicclass ExpressService {

    @Tool(description = "用于查询我的快递")
    public List getExpress(String state) {
        // 生成测试数据
        List data = getData();
        // 根据状态过滤(如果state为null或空则返回全部)
        return state == null || state.isEmpty()
                ? data
                : data.stream()
                .filter(e -> e.state().equalsIgnoreCase(state))
                .collect(Collectors.toList());
    }

    /**
     * 生成测试快递数据
     */
    private List getData() {
        List data = new ArrayList<>();
        LocalDateTime now = LocalDateTime.now();
        data.add(new Express(1001L, "北京", "西安", now.minusDays(12), "已签收"));
        data.add(new Express(1002L, "广州", "西安", now.minusDays(12), "已签收"));
        data.add(new Express(1003L, "杭州", "西安", now.minusDays(3), "运送中"));
        data.add(new Express(1004L, "深圳", "西安", now.minusDays(3), "运送中"));
        data.add(new Express(1005L, "南京", "西安", now.minusDays(1), "待发货"));
        return data;
    }


    /**
     * 快递类
     *
     * @param id
     * @param from
     * @param to
     * @param createtime
     * @param state
     */
    record Express(long id, String from, String to,
                   LocalDateTime createtime, String state) {
    }
}

4.调用 function call

调用大模型可以使用 ChatModel 和 ChatClient,这里使用 ChatClient 调用:

@RequestMapping("/tool")
public Flux tool(@RequestParam("msg") String msg) {
    return chatClient.prompt(msg)
            .tools(new ExpressService(),
                    new DateTimeTools())
            .stream().content();
}

最终执行效果如下:

图片

小结

大模型应用开发是以后程序开发的主流方向,他也会巅峰以往的开发形式,早早掌握大模型的开发知识,对于后期涨薪或找工作都有巨大的帮助。程序员群体注定是一个活到老学到老的群体,因为学习的本质在于扩展自己的能力边界,让自己变得更值钱,所以各位动起来,让我们一起拥抱这场 AI 盛宴吧。

本文地址:https://www.yitenyun.com/133.html

搜索文章

Tags

Deepseek 宝塔面板 Linux宝塔 Docker JumpServer JumpServer安装 堡垒机安装 Linux安装JumpServer Windows Windows server net3.5 .NET 安装出错 宝塔面板打不开 宝塔面板无法访问 esxi esxi6 root密码不对 无法登录 web无法登录 Windows宝塔 Mysql重置密码 SSL 堡垒机 跳板机 HTTPS 无法访问宝塔面板 HTTPS加密 查看硬件 Linux查看硬件 Linux查看CPU Linux查看内存 修改DNS Centos7如何修改DNS scp Linux的scp怎么用 scp上传 scp下载 scp命令 工具 sqlmock SQL 防火墙 服务器 黑客 Serverless 无服务器 语言 网络架构 网络配置 IT运维 MySQL B+Tree ID 字段 Linux 安全 List 类型 Redis 速度 服务器中毒 聚簇 非聚簇 索引 InnoDB LRU AI 助手 数据库 HexHub SQLite Redka SQLite-Web 数据库管理工具 MVCC 事务隔离 Caffeine CP Rsync 同城 双活 序列 核心机制 数据备份 MySQL 9.3 部署 开发 API FastAPI 双引擎 优化 开源 PostgreSQL 存储引擎 QPS 高并发 频繁 Codis 万能公式 Oracle 处理机制 mini-redis INCR指令 Web 应用 异步数据库 MongoDB 数据结构 悲观锁 乐观锁 StarRocks 数据仓库 OB 单机版 Doris SeaTunnel 数据集成工具 数据 业务 Ftp RocketMQ 长轮询 配置 数据库锁 监控 prometheus Alert 单线程 线程 IT 不宕机 分库 分表 Spring 动态查询 Python Web Calcite 电商系统 缓存 架构 信息化 智能运维 分布式架构 分布式锁​ dbt 数据转换工具 容器 响应模型 sftp 服务器 参数 缓存方案 缓存架构 缓存穿透 SpringAI 虚拟服务器 虚拟机 内存 Milvus 向量数据库 原子性 云原生 线上 库存 预扣 Entity Netstat Linux 服务器 端口 openHalo 对象 Testcloud 云端自动化