📷 [图片 token=H4unbividoGVHAx7sJCcjMJAnor（未能下载，见飞书原文）]

📷 [图片 token=BUXgbjV4OoIuZIxzZBBcX92Onng（未能下载，见飞书原文）]

前言

这部分代码在：SuperBizAgent/src/main/java/org/example/controller/ChatController.java

📷 [图片 token=KFu3b1Fuyo3tJsx3DSjcBldinsi（未能下载，见飞书原文）]

流程梳理

对话Agent的核心目标是结合外部知识（RAG召回）与工具调用能力（ReAct模式），解决复杂问题。

整体流程可概括为：

  1. 用户输入 -> embedding -> 向量数据库召回

  2. 构建带上下文(召回的内容)的 prompt

  3. ReAct模式多轮交互

  4. 最终输出答案

实战

消息召回

这里留一个预召回的TODO给同学完成，代码实现非常简单，在召回实战章节其实已有介绍(searchSimilarDocuments)

构建prompt

/**
 * 构建系统提示词（包含历史消息）
 * @param history 历史消息列表
 * @return 完整的系统提示词
 */
public String buildSystemPrompt(List<Map<String, String>> history) {
    StringBuilder systemPromptBuilder = new StringBuilder();
    // 基础系统提示
    systemPromptBuilder.append("你是一个专业的智能助手，可以获取当前时间、查询天气信息、搜索内部文档知识库，以及查询 Prometheus 告警信息。\n");
    systemPromptBuilder.append("当用户询问时间相关问题时，使用 getCurrentDateTime 工具。\n");
    systemPromptBuilder.append("当用户需要查询公司内部文档、流程、最佳实践或技术指南时，使用 queryInternalDocs 工具。\n");
    systemPromptBuilder.append("当用户需要查询 Prometheus 告警、监控指标或系统告警状态时，使用 queryPrometheusAlerts 工具。\n");
    systemPromptBuilder.append("当用户需要查询腾讯云日志时，请调用腾讯云mcp服务查询,默认查询地域ap-guangzhou,查询时间范围为近一个月。\n\n");
    
    // 添加历史消息
    if (!history.isEmpty()) {
        systemPromptBuilder.append("--- 对话历史 ---\n");
        for (Map<String, String> msg : history) {
            String role = msg.get("role");
            String content = msg.get("content");
            if ("user".equals(role)) {
                systemPromptBuilder.append("用户: ").append(content).append("\n");
            } else if ("assistant".equals(role)) {
                systemPromptBuilder.append("助手: ").append(content).append("\n");
            }
        }
        systemPromptBuilder.append("--- 对话历史结束 ---\n\n");
    }
    
    systemPromptBuilder.append("请基于以上对话历史，回答用户的新问题。");
    
    return systemPromptBuilder.toString();
}

创建ReAct Agent

因为我们这里使用了Spring AI alibaba框架，所以不需要我们自己从0到1去实现，只需要按照sdk的要求使用，即可返回给我们一个可以执行的Agent

API使用文档：https://java2ai.com/docs/frameworks/agent-framework/tutorials/agents

public ReactAgent createReactAgent(DashScopeChatModel chatModel, String systemPrompt) {
    return ReactAgent.builder()
            .name("intelligent_assistant")
            .model(chatModel)
            .systemPrompt(systemPrompt)
            .methodTools(buildMethodToolsArray())
            .tools(getToolCallbacks())
            .build();
}

执行ReAct Agent

// 执行对话
String fullAnswer = chatService.executeChat(agent, request.getQuestion());
/**
 * 执行 ReactAgent 对话（非流式）
 * @param agent ReactAgent 实例
 * @param question 用户问题
 * @return AI 回复
 */
public String executeChat(ReactAgent agent, String question) throws GraphRunnerException {
    logger.info("执行 ReactAgent.call() - 自动处理工具调用");
    var response = agent.call(question);
    String answer = response.getText();
    logger.info("ReactAgent 对话完成，答案长度: {}", answer.length());
    return answer;
}

总结

至此，对话Agent的核心流程RAG召回与ReAct模式的代码就讲完了。如果你一篇一篇看下来，会发现其实代码实现真的不难，而且也不重要，框架帮我们做了很多事情。核心是要搞懂我们的设计原理：RAG、ReAct。