移动智能小助手业务后台产品系统

1. 应Agent市场开发需求，搭建Agent，利用LLM为简单场景赋能
2. 通过后端可以提供RESTFUL风格接口，为前端提供对话，表格，数据分析，基础设施操作等能力

1. 通过深度定制 Spring Boot 生态与大模型 API，构建了具备自主规划、工具调用及严格权限隔离（数据层面隔离）的智能体（Agent）架构
2. 通过 RESTful 风格接口在智能体与现有数据中台之间构建可执行化桥梁，为无痛无侵入式的Agent架构奠定了基础。

1. 企业级 LLM 集成与配置化治理
 实现大模型服务的配置化解耦，将 API-Key、模型名称及系统 Prompt 抽离至配置文件，支持热更新与多模型无缝切换。
 设计结构化 System Prompt 工程方案，通过占位符动态注入工具定义与业务规则，确保模型输出的可控性。
2. 基于反射的工具调用（Tool Calling）框架
 自研基于 Java 反射（Reflection）的工具自动注册机制：自定义 @Tool注解，在 Spring Boot 容器启动阶段扫描指定包路径，自动解析方法的签名（出入参、自定义对象）。
 构建内存级“工具元数据池”，将复杂的 Java 方法结构序列化为 JSON Schema 描述，注入模型上下文。
 制定严格的模型输出协议：强制模型以 JSON 格式返回，通过 type字段区分 SAY（语义回复）与 ACTION（工具调用），解决了 LLM 输出非结构化导致的调用失败问题。复杂出入参利用JSON解决参数匹配。
 实现安全的方法调用执行器：解析模型返回的 JSON 指令，利用反射机制动态加载类、匹配方法并执行，将执行结果回传给模型，形成闭环；利用AOP特性实现调用链日志可视化。
3. 高精度 RAG 知识库构建与优化
 采用 Chroma 作为向量存储引擎，引入 BGE（BAAI General Embedding） 作为核心嵌入模型，提升矿业领域专业术语的语义匹配精度。
 针对中文矿业文档优化文本切分策略：设定 384 Token 的滑动窗口，配合 80 Token 的重叠区，有效解决了长文本语义割裂导致的检索失真问题。
 实施混合检索策略，将向量相似度与关键词匹配结合，将核心知识库的召回率稳定提升至 90% 左右。
4. 会话管理与安全架构设计
 设计基于 MySQL 的多级会话存储机制，按 SessionID