TaxiAgent：一个面向网约车场景的多 Agent Spring Boot 项目
项目简介
TaxiAgent 不是“一个大 Prompt + 一个大模型”式的 Demo
而是把网约车场景拆成了清晰的执行链路：
•
入口层先做意图分类，决定应该交给哪个领域 Agent
•
领域 Agent 再进入工具循环，逐步补齐信息、调用业务能力、生成回复
•
订单链路在创建前强制进入用户确认阶段，避免“模型直接下单”
•
对话与工具结果分别做了分层缓存和持久化，控制上下文长度，同时保留可恢复能力
如果你想看一个 更偏工程化的 Agent 应用，这个项目的重点不在“会不会聊天”，而在：
•
怎样把 路由、记忆、工具调用、业务状态 串成稳定链路
•
怎样让 Agent 在 下单、查单、售后、知识库 之间各司其职
•
怎样把“模型生成”约束进 可确认、可恢复、可追踪 的业务流程
亮点
•
多 Agent 分工明确：OrderAgent、DailyAgent、SupportAgent、FallbackAgent
•
前置分类路由：基于用户对话的连续性进行分类，再分发到领域 Agent
•
双模型编排：当前实现里，路由/分类与领域执行使用不同模型
•
订单 HITL：下单前触发 confirm 事件，用户确认后再 resume
•
工具结果指针化：长工具结果可只保留 call_id，需要时再反查
•
多层记忆：Heap(L1) + Redis(L2) + MySQL(L3)
•
混合检索 RAG：向量检索 + BM25 + RRF 融合
•
对话锁定机制：避免跨主题污染，尤其是订单创建后的误续写
总体架构
Agent 链路
总路由链路
仓库里的主入口是 ChatServiceImpl：
ChatController 接收对话请求，返回流式 Flux
ChatServiceImpl 根据历史对话和本轮输入做分类
分类结果写入 Redis 的 chat metadata
请求被分发到 4 个专用 Agent 之一
Agent 执行工具循环，并把回复、工具状态、确认事件持续推回前端
当前代码中的路由分类标签一共 5 类：
#pTktilGZCMLb text { white-space: pre; }#pTktilGZCMLb .fb0 { stroke: var(--N900-FG, 0.15); }#pTktilGZCMLb .fb0 {stroke: rgba(31,35,41, 0.15)}#pTktilGZCMLb .fx0 { stroke-miterlimit: 10; }#pTktilGZCMLb .fx0 {stroke-miterlimit: 10}#pTktilGZCMLb .fa1 { fill: rgb(187, 191, 196); }#pTktilGZCMLb .fa1 {fill: rgb(187, 191, 196)}#pTktilGZCMLb .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#pTktilGZCMLb .fx1 {font-style: normal}#pTktilGZCMLb .fx2 { text-anchor: middle; }#pTktilGZCMLb .fx2 {text-anchor: middle}#pTktilGZCMLb .fx3 { dominant-baseline: central; }#pTktilGZCMLb .fx3 {dominant-baseline: central}#pTktilGZCMLb .fx4 { stroke: none; }#pTktilGZCMLb .fx4 {stroke: none}#pTktilGZCMLb .fc0 { fill: var(--text-caption); }#pTktilGZCMLb .fc0 {fill: #646a73}#pTktilGZCMLb .fa2 { fill: var(--text-link-disabled); }#pTktilGZCMLb .fa2 {fill: rgb(187, 191, 196)}#pTktilGZCMLb .fx5 { font: 400 13px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#pTktilGZCMLb .fx5 {font-style: normal}#pTktilGZCMLb .fx6 { text-anchor: start; }#pTktilGZCMLb .fx6 {text-anchor: start}#pTktilGZCMLb .fx7 { dominant-baseline: alphabetic; }#pTktilGZCMLb .fx7 {dominant-baseline: alphabetic}#pTktilGZCMLb .fc1 { fill: rgb(0, 0, 0); }#pTktilGZCMLb .fc1 {fill: rgb(0, 0, 0)}#pTktilGZCMLb .fx8 { font: 400 13px LarkHackSafariFont, LarkEmojiFont, ui-monospace, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Helvetica, "Noto Sans", Tahoma, "Nimbus Sans L", Arial, "Liberation Sans", "PingFang SC", "Hiragino Sans GB", "Noto Sans CJK SC", "Source Han Sans SC", "Source Han Sans CN", "Microsoft YaHei", "Wenquanyi Micro Hei", "WenQuanYi Zen Hei", STHeiti, SimHei, sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji", system-ui; }#pTktilGZCMLb .fx8 {font-style: normal}#pTktilGZCMLb .fb1 { fill: var(--N900-FG, 0.15); }#pTktilGZCMLb .fb1 {fill: rgba(31,35,41, 0.15)}#pTktilGZCMLb .fb2 { fill: rgb(209, 217, 224); }#pTktilGZCMLb .fb2 {fill: rgb(209, 217, 224)}#pTktilGZCMLb .fa3 { fill: var(--bg-body); }#pTktilGZCMLb .fa3 {fill: #fff}AB123456标签含义新订单创建全流程天气、地点、常用地点、估时估价等日常咨询查单、取消、售后、工单、知识库非出行相关内容，交给兜底 Agent注入、越权、恶意请求，直接拦截ORDERDAILYSUPPORTOTHERDANGER
四个 Agent 的职责分工
#MzOxvNBESIic text { white-space: pre; }#MzOxvNBESIic .fb0 { stroke: var(--N900-FG, 0.15); }#MzOxvNBESIic .fb0 {stroke: rgba(31,35,41, 0.15)}#MzOxvNBESIic .fx0 { stroke-miterlimit: 10; }#MzOxvNBESIic .fx0 {stroke-miterlimit: 10}#MzOxvNBESIic .fa1 { fill: rgb(187, 191, 196); }#MzOxvNBESIic .fa1 {fill: rgb(187, 191, 196)}#MzOxvNBESIic .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#MzOxvNBESIic .fx1 {font-style: normal}#MzOxvNBESIic .fx2 { text-anchor: middle; }#MzOxvNBESIic .fx2 {text-anchor: middle}#MzOxvNBESIic .fx3 { dominant-baseline: central; }#MzOxvNBESIic .fx3 {dominant-baseline: central}#MzOxvNBESIic .fx4 { stroke: none; }#MzOxvNBESIic .fx4 {stroke: none}#MzOxvNBESIic .fc0 { fill: var(--text-caption); }#MzOxvNBESIic .fc0 {fill: #646a73}#MzOxvNBESIic .fa2 { fill: var(--text-link-disabled); }#MzOxvNBESIic .fa2 {fill: rgb(187, 191, 196)}#MzOxvNBESIic .fx5 { font: 400 13px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#MzOxvNBESIic .fx5 {font-style: normal}#MzOxvNBESIic .fx6 { text-anchor: start; }#MzOxvNBESIic .fx6 {text-anchor: start}#MzOxvNBESIic .fx7 { dominant-baseline: alphabetic; }#MzOxvNBESIic .fx7 {dominant-baseline: alphabetic}#MzOxvNBESIic .fc1 { fill: rgb(0, 0, 0); }#MzOxvNBESIic .fc1 {fill: rgb(0, 0, 0)}#MzOxvNBESIic .fx8 { font: 400 13px LarkHackSafariFont, LarkEmojiFont, ui-monospace, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Helvetica, "Noto Sans", Tahoma, "Nimbus Sans L", Arial, "Liberation Sans", "PingFang SC", "Hiragino Sans GB", "Noto Sans CJK SC", "Source Han Sans SC", "Source Han Sans CN", "Microsoft YaHei", "Wenquanyi Micro Hei", "WenQuanYi Zen Hei", STHeiti, SimHei, sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji", system-ui; }#MzOxvNBESIic .fx8 {font-style: normal}#MzOxvNBESIic .fb1 { fill: var(--N900-FG, 0.15); }#MzOxvNBESIic .fb1 {fill: rgba(31,35,41, 0.15)}#MzOxvNBESIic .fb2 { fill: rgb(209, 217, 224); }#MzOxvNBESIic .fb2 {fill: rgb(209, 217, 224)}#MzOxvNBESIic .fa3 { fill: var(--bg-body); }#MzOxvNBESIic .fa3 {fill: #fff}ABC12345Agent负责什么新建订单、补槽位、算价、确认、创建订单天气、POI 搜索、地址编解码、常用地点管理、简单估时估价查历史订单、取消订单、改终点、工单流转、规则问答非业务域内容兜底，引导用户回到网约车场景典型工具、、、、、、、、纯文本回复，不执行业务工具OrderAgentDailyAgentSupportAgentFallbackAgentsaveNewOrderParamisNewOrderReadygetEstRouteAndPricecreateOrderCurWeatherToolPOISearchToolGeoRegeoToolUserPOIToolOrderSearchToolTicketToolRagTool
OrderAgent 的完整业务链
OrderAgent 是这个项目最能体现“Agent 工程化”的部分。它不是简单生成文本，而是在 Redis 里维护订单槽位状态，并强制经过确认断点。
这条链路里有几个关键点：
•
槽位不是只存在 Prompt 里，而是显式写入 Redis
•
算价与路径规划分离，起终点未变时可以只重新算价
•
订单创建前必须确认，由 confirm 事件触发前端交互
•
恢复不是补一句话继续聊，而是通过 resume() 把用户确认结果接回工具链
•
订单创建后对话会被锁定，引导用户开启新会话处理后续需求
SupportAgent 的知识与售后链
SupportAgent 负责把“规则解释”和“动态业务操作”分开处理：
•
静态规则问题：走 RagTool.searchKnowledgeBase()
•
动态订单问题：走 OrderSearchTool
•
售后跟进：走 TicketTool
RAG 部分不是单一路径检索，而是：
DashScope Embedding 生成向量
Elasticsearch 执行向量检索
Elasticsearch 同时执行 BM25 文本检索
后端用 RRF 做结果融合
再按 groupId 去重，返回最终知识条目
这让它更像一个可控的客服支持 Agent，而不是只会“猜规则”的聊天机器人。
事件流设计
前端接收到的不是单次 JSON，而是一串 AgentEvent：
这意味着前端可以把它渲染成一种 “可见工具执行过程 + 最终回复” 的体验，而不是纯黑盒对话。
记忆与数据存储
多层记忆
MessageMemory 采用分层读取和同步写入：
•
HeapMemory：当前聚焦对话的热数据
•
RedisMemory：短中期缓存
•
MysqlMemory：长期持久化消息
读取顺序是 Heap -> Redis -> MySQL，写入则同步落到三层。
此外，工具结果还会单独进入 ToolResponseMemory，避免长结果把上下文撑爆。
数据层职责
当前模型编排
从代码实现看，模型编排是分层的：
•
路由默认模型：qwen-plus-2025-12-01
•
分类模型：qwen3-max-preview
•
领域 Agent 执行模型：deepseek-chat
•
Embedding 模型：text-embedding-v4
这种拆分很适合业务 Agent：
•
路由模型专注意图判定
•
领域模型专注工具调用和任务完成
•
Embedding 模型专注知识检索
技术栈
•
Java 21
•
Spring Boot 3.5.9
•
Spring AI Alibaba Agent Framework 1.1.0.0-RC2
•
Spring AI OpenAI Starter 1.1.0-RC1
•
MyBatis-Plus 3.5.9
•
MySQL
•
Redis
•
MongoDB
•
Elasticsearch
•
DashScope
•
DeepSeek-compatible OpenAI API
目录结构
代码块
Bash
src/main/java/com/fancy/taxiagent
├─ agents/ # 4 个领域 Agent
├─ agentbase/tool/ # 工具定义与业务回调
├─ agentbase/memory/ # 多层记忆与工具结果缓存
快速启动
准备基础依赖
你至少需要准备：
•
MySQL
•
Redis
•
MongoDB
•
Elasticsearch
•
DashScope API Key
•
DeepSeek 或兼容 OpenAI API 的 Key
•
高德地图 Key
•
和风天气 Key & Token
•
SMTP 邮箱配置
初始化数据库
执行：
代码块
Plain Text
src/main/resources/sql/init.sql
src/main/resources/sql/bus_citycode.sql
填写配置
修改 src/main/resources/application.yaml 中的占位值：
代码块
YAML
spring:
ai:
dashscope:
api-key: your-dashscope-api-key
openai:
api-key: your-deepseek-api-key
datasource:
url: your-database-url
username: your-database-username
password: your-database-password
elasticsearch:
uris: your-elasticsearch-url
data:
redis:
host: your-redis-host
mongodb:
uri: your-mongodb-uri
amap:
启动项目
代码块
Plain Text
mvn compile
mvn spring-boot:run
本地调试方式
主聊天接口位于：
•
POST /chat/v2/c/{id}：发起对话
•
POST /chat/v2/r/{id}：恢复订单确认后的会话
•
GET /chat/v2/restore：检查是否存在可恢复订单会话
•
POST /chat/v2/newuuid：生成新的 chatId
注意：/chat/v2/** 接口默认需要登录态与 Token 鉴权。
如果只是本地快速体验 Agent 行为，仓库里还留了一个测试控制器：
•
POST /order/chat/{chatId}：直接测试 OrderAgent
•
POST /order/resume/{chatId}：测试订单确认恢复
•
POST /order/daily/chat/{chatId}：直接测试 DailyAgent
示例：
代码块
Plain Text
curl -X POST http://localhost:8080/order/chat/demo-order-001 \
-H "Content-Type: application/json" \
-d '{"prompt":"帮我从杭州东站打车去西湖，快车，现在出发"}'
这个项目适合谁看
如果你关心下面这些问题，这个仓库会比普通聊天 Demo 更有参考价值：
•
如何把 Agent 接进真实业务系统，而不是只停留在 prompt playground
•
如何设计一个“先分类、再执行”的多 Agent 架构
•
如何给高风险动作加上确认断点
•
如何把工具调用结果做成可追踪、可回放、可压缩的上下文
•
如何把 RAG、订单系统、工单系统放进同一条 Agent 链路
后续可以继续增强的方向
•
增加统一的可观测性：trace、token、tool latency、失败率
•
把路由策略从硬编码 prompt 升级为可评估配置
•
补齐 API 文档与前端事件协议示例
•
增加自动化回归集，覆盖典型订单与售后场景
如果你正在做一个垂直业务 Agent，这个项目的重点不是“模型多强”，而是：
怎样把模型放进一条能落地、能确认、能恢复、能追踪的业务链路里。