团队项目第一次作业
CampusPilot 智能出行管家 - 团队展示与需求分析报告
| 作业所属课程 | [https://edu.cnblogs.com/campus/gdgy/Class56-Grade2024-CS/] |
|---|---|
| 作业要求 | [https://edu.cnblogs.com/campus/gdgy/Class56-Grade2024-CS/homework/16766] |
| 作业的目标 | 开发一个基于大模型的智能出行管家，并完成需求分析与展示。 |
| 团队名称 | 奶龙队 |
| 团队成员 | 罗晟 3124004103、梁译航3124004101、钱世豪3124004105、黄奕鸣3124004095 |
Github地址：https://github.com/3124004103ls/3124004103ls/blob/main/pom.xml
一、 团队展示
1. 队名：奶龙队
2. 团队项目规划及描述：
本项目名为 CampusPilot（智能出行与校园管家）。这是一个基于 Java + Spring Boot + LangChain4j 开发的 Web 端 AI 智能体。它打破了传统对话大模型只能“闲聊”的局限，具备了多轮对话记忆、外部天气 API 调用以及本地文件读写（待办事项）三大核心能力。
3. 队员风采：
- 罗晟：性格踏实，技术极客。擅长解决棘手 Bug，担任后端开发，负责构建 Agent 核心大脑与 LangChain4j 框架接入。
- 黄奕鸣：心思细腻，注重细节。担任前端开发/联调，利用 Spring Boot 搭建了极简优雅的 Web 聊天界面。
- 梁译航：逻辑清晰，责任心强。担任 PM/文档，统筹项目进度，负责需求分析文档撰写与博客排版。
- 钱世豪：思维活跃，喜欢“找茬”。担任产品/测试，设计了多场景的测试用例，验证 AI 回答的准确性与稳定性。
4. 团队首次合照：
5. 团队项目愿景（100字左右）：
团队的愿景是“用 AI 简化生活”。我们希望通过 CampusPilot，让大学生不再被繁杂的 App 切换所困扰，一句话即可完成查天气、记日程。未来，我们将不断接入更多的校园 API（如图书馆查询、食堂订餐等），让 AI 真正成为每个学生离不开的超级管家。
二、 CampusPilot 需求分析文档
1. 项目背景与痛点分析
当代大学生在出行或日常学习时，往往需要在多个 App 之间频繁切换（如：查天气 App、地图 App、备忘录）。这种碎片化的操作效率低下。本产品旨在打造一个统一的智能体入口，用户只需通过自然语言对话，即可一站式完成“天气查询”、“出行建议获取”以及“日常待办记录”。
2. 迭代记录表
| 版本号 | 迭代日期 | 修改说明 | 负责人 |
|---|---|---|---|
| V0.1 | 2026-10-30 | 确立项目方向，完成初步业务调研 | 梁译航、钱世豪 |
| V0.5 | 2026-11-02 | 技术选型，跑通大模型基础对话与天气接口 | 罗晟 |
| V0.8 | 2026-11-05 | 增加待办事项工具，完成 Web 界面前后端联调 | 黄奕鸣、罗晟 |
| V1.0 | 2026-11-07 | 完成最终需求分析文档 | 全体成员 |
3. 功能需求描述（核心）
- 自然语言对话（能说）：支持用户在 Web 端进行多轮文字对话，具备上下文记忆功能（能理解“那边”、“明天”等代词）。
- 天气工具调用（会做）：当用户询问出行或天气时，Agent 自动调用 Open-Meteo API，获取真实经纬度、当前天气及未来三天预报。
- 出行建议生成：大模型结合天气数据（如气温、降水），自主推理并输出穿衣、防晒、带伞等建议。
- 待办事项管理（会做）：通过 LangChain4j 的工具调用，AI 能够直接读取和修改本地的
tasks.txt文件，实现“帮我记一下明天交报告”、“查看我的待办”等实用功能。
4. 系统架构与类图设计
- 前端展示层：
index.html，基于 HTML/JS，负责渲染聊天框与用户交互。 - 后端服务层：
WebApp.java（Spring Boot），提供/api/chat接口接收前端请求。 - Agent 核心层：基于 LangChain4j 的
AiServices，绑定大模型（Qwen-Max）与记忆模块（ChatMemory）。 - 工具层：
WeatherTool.java（负责 HTTP 请求外部数据）与TaskTool.java（负责本地文件 I/O）。
5. 验收标准
三、 系统实现与功能演示
1. 技术选型与实现说明
- 技术栈：Java 8 + Maven + Spring Boot + LangChain4j + 阿里云通义千问 (Qwen-Max)。
- 大模型接入：使用
langchain4j-open-ai模块，通过兼容接口无缝接入阿里云百炼大模型，保障了工具调用的稳定性。 - 安全性：API Key 未硬编码在代码中，而是通过系统环境变量
DASHSCOPE_API_KEY注入，防止了代码泄露风险。
2. 功能演示截图
演示一：基于真实 API 的天气查询与出行建议
演示二：本地文件的读取与写入（待办事项工具）
四、 总结与心得体会
通过本次项目，我们团队成功用 Java 搭建了一个具备“自然语言对话”和“外部工具调用”能力的智能体，并实现了 Web 端界面。在研发过程中，团队克服了 API 限流（429错误）、Function Calling 兼容性等难题。
罗晟（后端开发）：
在接入大模型的过程中遇到了很多坑，但最终利用 LangChain4j 成功构建了 Agent。看到程序能自己调用天气 API 并且像真人一样给出防晒建议，非常有成就感。
黄奕鸣（前端/联调）：
我负责搭建了 Web 聊天界面，并实现了前后端的数据打通。看到自己的界面能完美展示 AI 的回答，感到非常自豪。这次项目让我认识到，一个优秀的 AI 应用，不仅要有强大的后台，还需要友好的交互界面。
梁译航（PM/文档）：
我负责了需求文档的梳理与博客排版。在整理需求时，我明白了构建 Agent 不仅是写代码，更是设计一套“感知-决策-执行”的业务闭环。团队分工明确，进度把控得当，是我这次最大的收获。
钱世豪（产品/测试）：
我负责了场景的设计和测试。在测试“多轮对话”和“工具调用”时，我发现大模型有时会答非所问，后来通过优化系统提示词（System Prompt）解决了这个问题。这次合作让我体会到了团队配合和不断试错的重要性。
浙公网安备 33010602011771号