共计 2649 个字符，预计需要花费 7 分钟才能阅读完成。
背景与痛点
在构建天气查询助手时，开发者常常面临几个核心问题：
-
城市名提取不准确 ：用户输入的查询语句可能包含多种表达方式（如“成都天气怎么样”、“今天北京的天气如何”），如何从这些多样化输入中准确提取城市名是一个挑战。
-
工具调用格式不规范 ：不同的天气 API 对输入格式有严格要求，如果调用格式不规范，可能导致 API 返回错误或无效数据。
-
系统响应效率低 ：频繁的 API 调用和复杂的数据处理可能影响助手的响应速度，尤其是在高并发场景下。
这些问题不仅影响用户体验，还可能增加开发和维护的复杂度。本文将围绕这些问题，介绍如何使用 chatclient.builder(model) 构建一个高效、稳定的天气查询助手。
技术方案
1. 使用 chatclient.builder(model) 设置默认系统
chatclient.builder(model) 是一个强大的工具，可以帮助开发者快速构建对话系统。通过设置默认系统，我们可以定义助手的基本行为。以下是一个典型的设置示例：
chatclient.builder(model)
.defaultsystem("""
你是一个天气查询助手。当用户询问天气时：1. 从用户输入中提取城市名（如“今天成都天气”中的“成都”）2. 严格按以下格式调用工具："city": "提取的城市名"
""");2. 城市名提取的逻辑优化
为了准确提取城市名，可以采用以下策略：
-
正则表达式匹配 ：使用正则表达式从用户输入中匹配常见的城市名模式。例如：
Pattern pattern = Pattern.compile("([\\u4e00-\\u9fa5]+) 天气"); Matcher matcher = pattern.matcher(userInput); if (matcher.find()) {String city = matcher.group(1); } -
分词技术 ：结合分词工具（如 HanLP）对用户输入进行分词，识别其中的地名实体。
-
模糊匹配 ：对于拼写错误或简称（如“北”代表“北京”），可以使用模糊匹配算法（如 Levenshtein 距离）进行纠正。
3. 工具调用的标准化
确保工具调用的格式符合 API 要求是避免错误的关键。以下是一个标准的工具调用示例：
{
"tool": "weather_query",
"params": {"city": "成都"}
} 通过 chatclient.builder(model) 的默认系统设置，可以强制助手按照这一格式调用工具，避免格式错误。
代码示例
以下是一个完整的代码示例，展示了如何实现城市名提取和工具调用：
public class WeatherAssistant {private static final Pattern CITY_PATTERN = Pattern.compile("([\\u4e00-\\u9fa5]+) 天气");
public static void main(String[] args) {
// 初始化 chatclient
ChatClient client = chatclient.builder(model)
.defaultsystem("""
你是一个天气查询助手。当用户询问天气时：1. 从用户输入中提取城市名
2. 严格按以下格式调用工具："city": "提取的城市名"
""")
.build();
// 模拟用户输入
String userInput = "今天成都天气怎么样？";
// 提取城市名
String city = extractCity(userInput);
if (city != null) {
// 调用天气查询工具
String response = client.queryWeather(city);
System.out.println(response);
} else {System.out.println("未识别到城市名，请重新输入。");
}
}
private static String extractCity(String input) {Matcher matcher = CITY_PATTERN.matcher(input);
return matcher.find() ? matcher.group(1) : null;
}
}关键注释：
- 正则表达式 ：
CITY_PATTERN用于匹配“城市名 + 天气”的模式，确保从用户输入中准确提取城市名。 - 默认系统设置 ：通过
defaultsystem方法定义助手的行为规则，强制标准化工具调用格式。 - 错误处理 ：如果未识别到城市名，提示用户重新输入，避免无效的 API 调用。
性能与安全性
性能优化建议
-
缓存机制 ：对频繁查询的城市天气结果进行缓存，减少 API 调用次数。例如，使用 Redis 存储最近查询的结果，设置合理的过期时间。
-
异步处理 ：对于高并发场景，可以采用异步非阻塞的方式调用天气 API，避免阻塞主线程。例如，使用 CompletableFuture 或反应式编程框架（如 Spring WebFlux）。
-
批量查询 ：如果用户一次查询多个城市的天气，可以合并 API 请求，减少网络开销。
安全性考量
-
输入验证 ：对用户输入的城市名进行合法性检查，防止 SQL 注入或恶意输入。例如，限制城市名只能包含中文字符。
-
API 密钥保护 ：避免在代码中硬编码 API 密钥，使用环境变量或密钥管理服务（如 AWS KMS）动态获取。
-
限流措施 ：为防止滥用，对天气查询接口进行限流（如每秒最多 10 次调用）。
避坑指南
1. 城市名提取失败
问题 ：用户输入“明天北京天气如何”，但提取到的城市名是“明天”。
解决方案 ：优化正则表达式，确保只提取地名部分。例如：
Pattern.compile("[ 今明后天]?([\\u4e00-\\u9fa5]+) 天气");2. API 调用超时
问题 ：天气 API 响应慢，导致助手卡顿。
解决方案 ：设置合理的超时时间（如 3 秒），并在超时后返回默认提示或缓存数据。
3. 工具调用格式错误
问题 ：API 返回“无效参数”，但代码中工具调用格式看似正确。
解决方案 ：检查参数是否包含隐藏字符（如空格或换行符），并在调用前进行 trim 操作。
总结与互动
通过 chatclient.builder(model) 构建天气查询助手，可以显著提升开发效率和系统稳定性。本文介绍了从城市名提取到工具调用的完整流程，并提供了性能优化和安全防护的实用建议。
进一步思考 ：
- 如何扩展助手功能，使其支持多语言查询（如英文或拼音输入）？
- 如何结合用户位置信息，实现自动定位和天气推送？
- 如何引入机器学习模型，进一步提升城市名提取的准确性？
欢迎在评论区分享你的想法或遇到的问题，我们一起探讨优化方案！
