1. 前期准备
首先，我们需要把现有的常见文件整理成文档，可以是txt、pdf、xlsx、markdown等格式都可以，我们这里将问题和答案转成txt文件，文件为：外卖常见问题.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| Q：在线支付取消订单后钱怎么返还？
订单取消后，款项会在一个工作日内，直接返还到您的美团账户余额。
Q：怎么查看退款是否成功？
退款会在一个工作日之内到美团账户余额，可在“账号管理——我的账号”中查看是否到账。
Q：美团账户里的余额怎么提现？
余额可到美团网（meituan.com）——“我的美团→美团余额”里提取到您的银行卡或者支付宝账号，另外，余额也可直接用于支付外卖订单（限支持在线支付的商家）。
Q：余额提现到账时间是多久？
2-5个工作日内可退回您的支付账户。由于银行处理可能有延迟，具体以账户的到账时间为准。
Q：申请退款后，商家拒绝了怎么办？
申请退款后，如果商家拒绝，此时回到订单页面点击“退款申诉”，美团客服介入处理。
|
2. 代码实现
2.1. 引入依赖
直接创建一个普通的Maven工程就可以了，然后引入langchain4j的依赖和你选择的大模型依赖，我这里使用open-ai：
1
2
3
4
5
6
7
8
9
10
11
| <dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j</artifactId>
<version>0.27.1</version>
</dependency>
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-open-ai</artifactId>
<version>0.27.1</version>
</dependency>
|
2.2. 导入知识库
2.2.1. 使用DocumentParser加载并解析文件
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
| import dev.langchain4j.data.document.Document;
import dev.langchain4j.data.document.DocumentParser;
import dev.langchain4j.data.document.loader.FileSystemDocumentLoader;
import dev.langchain4j.data.document.parser.TextDocumentParser;
import java.net.URISyntaxException;
import java.nio.file.Path;
import java.nio.file.Paths;
public class DocumentUtil {
public static Document loadDocument(String fileName) {
Document document;
try {
Path documentPath = Paths.get(CustomerServiceAgent.class.getClassLoader().getResource(fileName).toURI());
DocumentParser documentParser = new TextDocumentParser();
document = FileSystemDocumentLoader.loadDocument(documentPath, documentParser);
} catch (URISyntaxException e) {
throw new RuntimeException(e);
}
return document;
}
}
|
使用FileSystemDocumentLoader来加载本地文件，利用TextDocumentParser来解析txt文件，最终得到文件所对应的Document对象。
2.2.2. 使用DocumentSplitter切分文件成问答对
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
| import dev.langchain4j.data.document.Document;
import dev.langchain4j.data.document.DocumentSplitter;
import dev.langchain4j.data.segment.TextSegment;
import java.util.ArrayList;
import java.util.List;
public class CustomerServiceDocumentSplitter implements DocumentSplitter {
@Override
public List<TextSegment> split(Document document) {
List<TextSegment> segments = new ArrayList<>();
String[] parts = split(document.text());
for (String part : parts) {
segments.add(TextSegment.from(part));
}
return segments;
}
public String[] split(String text) {
return text.split("\\s*\\R\\s*\\R\\s*");
}
}
|
2.2.3. 基于Embedding+redis文本向量化并存储
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
| import dev.langchain4j.data.document.Document;
import dev.langchain4j.data.document.DocumentSplitter;
import dev.langchain4j.data.embedding.Embedding;
import dev.langchain4j.data.segment.TextSegment;
import dev.langchain4j.model.embedding.EmbeddingModel;
import dev.langchain4j.model.output.Response;
import dev.langchain4j.model.zhipu.ZhipuAiEmbeddingModel;
import dev.langchain4j.rag.content.retriever.ContentRetriever;
import dev.langchain4j.rag.content.retriever.EmbeddingStoreContentRetriever;
import dev.langchain4j.store.embedding.redis.RedisEmbeddingStore;
import redis.clients.jedis.Jedis;
import java.util.ArrayList;
import java.util.List;
public class EmbeddingStoreInitializer {
public static ContentRetriever initContentRetriever(String fileName, String apiKey) {
RedisEmbeddingStore embeddingStore = RedisEmbeddingStore.builder()
.host("127.0.0.1")
.port(6379)
.dimension(1024)
.build();
try (Jedis jedis = new Jedis("127.0.0.1", 6379)) {
if (!jedis.exists("knowledge_base_initialized")) {
System.out.println("首次初始化知识库...");
Document document = DocumentUtil.loadDocument(fileName);
DocumentSplitter splitter = new CustomerServiceDocumentSplitter();
List<TextSegment> segments = splitter.split(document);
System.out.println("=====================文档切分的结果为=====================");
segments.forEach(System.out::println);
EmbeddingModel embeddingModel = ZhipuAiEmbeddingModel.builder()
.apiKey(apiKey)
.build();
List<Embedding> embeddings = new ArrayList<>();
for (TextSegment segment : segments) {
Response<Embedding> response = embeddingModel.embed(segment);
embeddings.add(response.content());
}
embeddingStore.addAll(embeddings, segments);
jedis.set("knowledge_base_initialized", "true");
System.out.println("知识库初始化完成！");
} else {
System.out.println("知识库已存在，跳过初始化。");
}
}
return EmbeddingStoreContentRetriever.builder()
.embeddingStore(embeddingStore)
.embeddingModel(ZhipuAiEmbeddingModel.builder().apiKey(apiKey).build())
.maxResults(5)
.minScore(0.6)
.build();
}
}
|
这里是使用redis（redis/redis-stack-server： 带有redisearch模块的redis容器）可以使用以下命令来查看：
1
| redis-cli FT.SEARCH embedding-index "*" LIMIT 0 10
|
1
2
3
4
5
6
7
| public class DateCalculator {
@Tool("计算指定天数后的具体日期")
String date(Integer days) {
return LocalDate.now().plusDays(days).toString();
}
}
|
2.4. 定义Agent (AiService）
直接用这个Agent来充当客服回答问题
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
| import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.zhipu.ZhipuAiChatModel;
import dev.langchain4j.rag.content.retriever.ContentRetriever;
import dev.langchain4j.service.AiServices;
public interface CustomerServiceAgent {
String answer(String question);
static CustomerServiceAgent create() {
String apiKey = "xxx";
ChatLanguageModel model = ZhipuAiChatModel
.builder()
.apiKey(apiKey)
.build();
ContentRetriever contentRetriever = EmbeddingStoreInitializer.initContentRetriever(
"外卖常见问题.txt", apiKey
);
return AiServices.builder(CustomerServiceAgent.class)
.chatLanguageModel(model)
.contentRetriever(contentRetriever)
.tools(new DateCalculator())
.build();
}
static void main(String[] args){
CustomerServiceAgent customerServiceAgent = CustomerServiceAgent.create();
System.out.println("=====================测试agent======================");
String result=customerServiceAgent.answer("今天的余额提现，哪一天能到账，要输出具体日期?");
System.out.println(result);
}
}
|
