程序聚合 软件案例 旅游规划 AI Agent

旅游规划 AI Agent

2026-06-24 21:23:49
行业:旅游
载体:网站
技术:Java

业务和功能介绍

基于 Spring Boot 3 + Spring AI + RAG + Tool Calling + MCP 的企业级旅游规划智能体,为用户提供路线制定等服务。支持多轮对话、记忆持久化、RAG 知识库检索等能力,并且基于 ReAct 模式,能够自主思考并调用工具来完成复杂任务,比如利用网页搜索、资源下载和 PDF 生成工具制定完整的旅游计划并生成文档。

项目实现

主要工作:
● 采用思维链、Few-shot 技巧优化提示词,经阿里云百炼平台测试,有效提升模型回答准确性;
● 借助 Spring AI 特性实现对话上下文记忆,保障多轮对话语境连贯;
● 开发 Re-Reading Advisor(实现 CallAroundAdvisor 接口),通过重复阅读用户输入提升复杂问题处理精度;
● 优化 RAG 检索增强能力:利用 QuestionAnswerAdvisor 实现知识问答(精准推荐食宿等,增加变现机会),基于 RetrievalAugmentationAdvisor 组合检索器与转换器,配置过滤策略优化回复相关性;通过多查询扩展等机制提升检索召回率与回复准确度;
● 基于 Spring AI 工具调用注解,实现文件操作、联网搜索、网页抓取等多工具调用,扩展 AI 能力边界;
● 图片搜索 MCP:利用 Spring AI MCP Server 集成 Pexels 图片 API 实现了图片搜索 MCP 服务,让 AI 能够联网检索图片资源;同时实现了 Stdio 和 SSE 两套传输模式,适应不同的部署场景。
● 自主规划智能体构建:基于 ReAct 模式搭建 AI 智能体,支持任务分解、自主决策、工具选择,完成复杂任务(如自动推荐旅游地点 + 生成旅游计划 PDF);
● Agent Loop 死循环解决:基于 Agent Loop 思想实现智能体自主多步骤执行,通过最大步骤限制、状态管理、死循环检测,避免无限循环;
● AI服务部署:编写 Dockerfile 实现后端容器化,通过云托管 Serverless 平台部署,支持自动扩缩容,降低运维成本、提升系统可用性。

示例图片视频


易洋
24小时内活跃
方向: 人工智能-AI应用开发、后端-Python、
交付率:100.00%
相似推荐
agent开发的家具安全
围绕核心 AI Agent 的部署架构设计、调用链路的深度性能优化,以及面向垂直场景的特制 Skill 开发,存在一系列亟待攻克的关键问题。部署层面需解决模型服务化后的冷启动延迟、动态扩缩容与异构算力调度;调用优化则聚焦于构建异步流水线、智能缓存与请求合并策略,以降低响应时延和推理成本。特制 Skill 开发要求将领域知识、外部工具 API 与 Agent 推理闭环融合,形成可编排、可复用的专业能力单元。同时,还需应对多 Agent 协同通信、安全合规、效果评估与持续交付等衍生挑战。系统性解决这些问题,是智能体从原型走向高可用、低成本生产级落地的核心前提。
无人机智巡智检系统
立项背景和目标 随着我国电力线路总里程突破200万公里、光伏装机容量连年跃升,传统人工巡检模式已难以为继。巡检人员需翻山越岭、登高作业,不仅效率低下(人均每日仅能巡检5~8公里),更面临高空坠落、触电、中暑等严重安全风险。与此同时,存量设备老化加速,缺陷漏检、误检时有发生,导致非计划停运事件频发,经济损失巨大。国家“十四五”规划明确要求加快工业互联网与能源基础设施深度融合,推动巡检作业向无人化、智能化转型。无人机技术、5G通信、AI视觉识别和数字孪生等前沿技术的成熟,为这一转型提供了坚实的技术底座。 基于此,本项目立项建设一套“无人机智巡智检系统”,总体目标如下:一是实现巡检作业全流程自动化,通过预设航线自主巡航,将单次巡检耗时从平均2小时压缩至20分钟以内,效率提升6倍;二是依托深度学习算法对可见光、红外热成像等多源数据进行实时分析,缺陷识别准确率不低于92%,误报率控制在5%以下;三是构建从任务规划、数据采集、智能诊断到工单派发、整改反馈的完整业务闭环,消除信息孤岛;四是利用数字孪生技术,在三维实景地图上叠加巡检数据,实现空间态势感知与历史数据对比分析,为运维决策提供直观支撑。最终,系统将覆盖输电线路、变电站、光伏场站、石油管道等多种场景,助力企业降本增效、本质安全。 2. 软件功能、核心功能模块介绍 系统共包含六大核心功能模块,各模块协同运转,形成完整能力矩阵: (1)无人机飞控与航线管理模块:支持多品牌、多机型无人机设备的统一注册、健康状态监控及固件升级管理;内置航线库,支持KML/KMZ等标准格式导入,并提供可视化航点编辑工具,可在二维GIS或三维地球上进行航线规划,模拟飞行轨迹,预判碰撞风险。 (2)巡检任务管理模块:提供日常巡检、特殊巡检、应急巡检等多种任务类型;支持单次、周期性、触发式任务调度;任务执行过程中实时接收无人机回传的经纬度、高度、电量、速度等遥测数据,并以动态仪表盘呈现;任务结束后自动归档影像、日志和识别结果。 (3)AI智能识别与分析模块:基于YOLOv8和ResNet等深度网络模型,针对绝缘子破损、导线断股、销钉缺失、鸟巢、树障、异常发热等十余类典型缺陷进行自动检测;支持模型在线更新和增量学习;分析结果附带置信度分数和定位框,并支持人工复核标注,形成闭环优化数据。 (4)数字孪生与三维可视化模块:基于倾斜摄影和激光点云技术构建巡检场景的高精度三维模型(厘米级),在地图上融合显示无人机实时位置、历史航迹、缺陷标注点;支持多期数据对比,通过卷帘工具直观展示设备前后变化;支持空间量测、剖面分析等高级功能。 (5)缺陷管理与工单闭环模块:统一展示所有识别出的缺陷,按严重等级(危急、严重、一般)分级高亮;每个缺陷可一键生成工单,自动关联位置、影像和识别结果,派发给指定的运维班组;支持工单状态追踪(待处理、处理中、已完成)
生产管理系统
1.旨在提升加工厂工作效率 2.减少不必要的纸质文件产生 3.可监控产品良品率等关键数据方便提升 4.包含生产流程,采购管理,开票管理,生产计划,生产通知等功能 5.报表包含动态库存表,生产计划,供应商往来表等。
豆瓣电影Top250数据采集-豆瓣电影Top250数据采集脚本
立项背景和目标:豆瓣电影Top250是互联网上最具公信力的影视榜单之一,但官方未提供批量导出接口,用户只能手动翻阅10个页面复制信息,耗时约2小时且无法直接进行数据分析。本项目旨在利用Python爬虫技术,实现榜单数据的全自动采集与结构化存储,将250部电影的核心字段(名称、导演、年份、评分、评价人数)在15秒内汇总为一份可直接使用的Excel报表,为后续影评分析、可视化图表制作提供高质量数据源。 核心功能模块:本工具包含四个核心模块。一是网络请求模块,基于Requests库发送HTTP请求,通过设置浏览器UA头绕过基础反爬,并遍历10个分页URL;二是内容解析模块,利用BeautifulSoup的CSS选择器精准定位每部电影的标题、评分等元素,从杂乱HTML中提取目标文本;三是数据清洗模块,使用Pandas处理原始文本中的换行符和多余空格,统一日期和数字格式,确保每条记录规整无误;四是导出存储模块,调用OpenPyXL引擎将清洗后的数据直接写入.xlsx文件,一行为一部电影,字段清晰可查。 业务流程:用户只需在Python环境中执行脚本,程序会自动按顺序请求10页榜单(每页25条),每完成一页解析后停顿1秒,最终将全部数据整理为表格并保存到脚本同级目录下。全程无需人工干预,打开生成的Excel文件即可看到完整的Top250榜单数据,可直接导入Tableau等工具做进一步分析。
Genie Studio
当前AI能力(如LLM、OCR、代码解释器)已足够强大,但将其落地到具体业务场景时,仍需要大量重复的工程开发。非技术用户难以直接使用,而技术人员也疲于应对“一个需求一套新接口”的定制化开发。本项目的目标是构建一个低代码/可视化AI工作流编排平台,将大语言模型、文档解析、数据分析、邮件收发等原子能力封装为标准节点,让用户像搭积木一样,快速组装出适配不同业务场景的智能Agent,从而将AI应用开发的效率提升一个数量级,降低智能化门槛
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服