大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

# AI 智能旅游规划助手（后端）

> 访问地址：https://www.aitrip.chat/ > > 欢迎体验智能旅游规划服务！ > > > 注：当前项目已停止维护，目前最新版的 AI 智能旅游规划助手请移步以下地址: > > 前端：https://github.com//ai-tourism-frontend > > 后端：https://github.com//ai-tourism-backend > > Agent服务：https://github.com//ai-tourism-agent >

📖 项目简介

AI-Tourism 是一个智能旅游规划系统，后端基于 Spring Boot、LangChain4j、MySQL、MyBatis、Sa-Token 等技术栈构建。

系统集成了多种 AI 能力（如 AI Service、MCP 工具等），为用户提供个性化旅游路线推荐、多轮对话、权限控制等功能。

🎯 核心特性

• 多轮对话与上下文记忆 - 智能理解用户需求，保持对话连贯性
• 地图路线可视化 - 实时展示旅游路线，直观易懂
• MCP 灵活热插拔 - 工具可动态启用/禁用，支持热插拔
• Tool 统一注册 - 所有工具统一管理，易于扩展
• 安全认证与权限管理 - 完善的用户权限体系

---

🖼️ AI 智能旅游规划 前端效果截图

📹 视频效果

AI 智能旅游规划系统，结合 SpringBoot 与 LangChain4j，在用户输入自然语言后，由 AI Agent 调用 MCP 工具与 Function Call 获取天气、景点等信息，由前端同时渲染文字版路线规划与结构化地图路线。

---

💡 核心特性与架构特点

1. Agent 服务与地图路线渲染深度结合

• 图文结合：提供图文结合的旅游攻略，并在前端地图中直观展示每日路线
• 流式传输：使用 SSE 流式传输文字版攻略，并基于 JSON Schema 输出结构化数据，支持前端实时渲染

2. 基于 Langchain4j 的 Agent 服务

• 任务规划：基于 Prompt 工程，设计角色定位 + 任务目标 + 约束限制
• 工具调用：MCP 工具通过配置可灵活启用/禁用，支持热插拔；所有 Tool 工具均实现统一接口，注册到 ToolManager，支持运行时动态扩展与管理
• 多轮记忆：实现 ChatMemoryStore，短期记忆优先存储于 Redis，未命中自动回退数据库，AI Service 实例以会话为单位缓存，支持多用户并发与上下文隔离
• 结构化输出路线：基于 JSON Schema 输出结构化路线数据，用于前端地图渲染展示
• 安全防范：LangChain4j 输入护轨机制，前置校验请求内容，防止敏感词与 Prompt 注入攻击，保障系统稳定性

3. 统一工具注册与高性能调用防抖

• MCP 工具：通过配置可灵活启用/禁用，支持热插拔
• Function Call 工具：通过 ToolManager 统一注册与调度，支持运行时扩展
• 性能优化：引入 Caffeine 缓存，避免重复调用外部服务，平均响应耗时从 5.20s 下降至 399μs

4. 多轮对话记忆与实例隔离

• 记忆管理：结合 Redis 与数据库实现短期记忆，使用数据库实现会话历史
• 实例缓存：基于 Caffeine 缓存 AI Service 实例，支持会话隔离，提升服务响应性能并减少实例重复创建
• 性能提升：实例平均创建时间由 13.1ms 降低至 9.74ms，性能提升 28.4%

5. AI 输入护轨与结构化输出

• 安全校验：请求前置校验，自动过滤敏感词、恶意注入等风险内容，保障系统安全

6. Sa-Token 权限认证

• 令牌机制：JWT 短期令牌 + Refresh Token 长期令牌结合
• 权限控制：注解式权限控制，细粒度角色管理

7. SpringBoot 工程化与 RESTful 设计

• 分层架构：标准的分层架构（Controller - Service - Mapper）
• 接口规范：接口统一，符合 RESTful 规范，易于前后端协作

---

🏗️ 系统整体架构

• 前端（ai-tourism-frontend）：Vue 应用，负责交互、地图渲染与对话展示；通过 SSE 调用 POST /ai_assistant/chat-stream 实时消费模型输出
• 接入层（Controller + 鉴权）：基于 Spring Boot REST，使用 Sa-Token 进行登录与权限校验（如 @SaCheckLogin、@SaCheckPermission）
• 服务层（MemoryChatServiceImpl）：统一处理请求校验、获取会话历史、获取会话列表、消息入库、SSE 流式返回
• AI Service（MemoryAssistantServiceFactory）：按会话构建隔离的 AssistantService 实例，整合 OpenAI 流式模型、MessageWindowChatMemory（基于 ChatMemoryStore）、输入护轨、工具调用；同时使用 Caffeine 按 sessionId 缓存实例，避免重复创建
• 记忆与历史（Redis + MySQL）：
  • 短期对话记忆：CustomRedisChatMemoryStore 基于 Redis 进行管理，同时支持 MySQL 消息填入
  • 长期历史与结构化数据：通过 MyBatis 写入 MySQL（会话表、消息表、路线 JSON）
• 工具调用（Function Call + MCP）：
  • Function Call：ToolManager 统一注册所有 BaseTool
  • MCP：基于 LangChain4j MCP，McpClientService 通过 SSE 创建 ToolProvider
• 缓存与防抖：
  • Caffeine：缓存 AssistantService 实例
  • Redis：承载对话记忆，降低数据库读写压力
• 可观测性与监控：Micrometer 暴露 Prometheus 指标（管理端点已开放 prometheus）；AiModelMonitorListener/AiModelMetricsCollector 记录请求量、耗时、Token 使用、错误率、缓存命中等；Grafana 仪表盘见 doc/Prometheus-Grafana.json

---

🚀 快速开始

📂 目录结构

ai-tourism/ ├── src/ │ ├── main/ │ │ ├── java/com/example/aitourism/ │ │ │ ├── ai/ # AI Agent、工具、记忆、护轨等核心AI能力 │ │ │ ├── config/ # 配置类（如Sa-Token、CORS、Redis等） │ │ │ ├── controller/ # REST API 控制器 │ │ │ ├── dto/ # 数据传输对象 │ │ │ ├── entity/ # 实体类 │ │ │ ├── exception/ # 全局异常处理 │ │ │ ├── mapper/ # MyBatis 映射 │ │ │ ├── monitor/ # 监控与埋点 │ │ │ ├── service/ # 业务逻辑与AI集成 │ │ │ └── util/ # 工具类 │ │ └── resources/ │ │ ├── application.yml # 主要配置文件 │ │ └── prompt/ # AI Prompt 模板 ├── sql/ │ └── create_table.sql # 数据库表结构 ├── doc/ │ ├── API.md # 接口文档 │ └── Prometheus-Grafana.json # 监控仪表盘配置 ├── pom.xml # Maven 依赖 └── README.md 

🛠️ 技术栈与依赖

技术分类	技术栈	版本/说明
核心框架	Java	21
	Spring Boot	3.5.6
AI 能力	LangChain4j	AI能力集成
数据库	MySQL	9.4
ORM	MyBatis & MyBatis-Spring-Boot	数据持久化
安全认证	Sa-Token	JWT 认证与权限
	BCrypt	密码加密
工具库	Lombok	代码简化
	OkHttp3	HTTP 客户端
	Hutool	工具库
缓存	Caffeine	本地高性能缓存
	Redis	分布式缓存与对话记忆
监控	Prometheus + Grafana	监控与可视化
	Micrometer	Spring Boot 监控埋点

> 详见 pom.xml 依赖配置

🗄️ 数据库�