驾培行业是典型的强线下、重资源的传统服务行业。传统驾校学员约课高度依赖教练人工排期与电话、微信群沟通，普遍存在三大痛点：一是学员期望时段与教练实际空闲时段不匹配，反复沟通成本高；二是热门时段扎堆、冷门时段闲置，教练、车辆、场地等稀缺资源利用率低；三是约课规则、缴费标准、考试流程等咨询量大且高度重复，教练与客服被大量重复问答占用。同时，驾校现有系统多为传统 CRUD 信息孤岛，缺乏对历史预约数据的挖掘与预测能力，无法为排班和资源调度提供依据。本项目立项旨在把大模型 Agent 能力引入驾培这一传统行业，以自然语言交互重构约课入口，以数据智能替代人工排期，在降低沟通成本的同时提升学员约课体验与教练资源周转效率。
系统分为管理后台 Web 端与学员微信小程序端，覆盖十余个功能模块。
管理后台：学员管理、教练管理、排班与时间规划、车辆与维护管理、场地管理、课程与章节管理、预约管理与审核、财务管理与报表导出、评价管理、通知管理，以及基于若依的用户/角色/菜单/部门/字典等系统管理与登录日志、操作日志、在线用户、定时任务等系统监控能力。
学员小程序端：微信登录、AI 智能预约、手动预约、我的预约、我的教练、课程学习、账单支付、个人信息、消息通知等。
核心特色功能：① AI 智能预约，学员用自然语言如"明天下午想练科目二，最好人少一点"即可完成约课，支持多轮对话逐步补全预约条件、生成候选方案、切换选中方案并确认下单；② AI 教练推荐与 AI 时段推荐，综合学员偏好、教练评分、历史热度与当前负荷给出建议；③ 预约峰值分析与预测，基于历史预约数据预测各时段冷热，支撑错峰约课；④ RAG 知识库智能问答，支持 PDF/Word/Excel/PPT 等文档上传、解析与向量化，面向教练、财务等角色提供带引用溯源的流式问答。
负责后端整体架构设计与 AI 能力的落地实现，包括 AI 智能预约、AI 推荐、预约峰值预测与 RAG 知识库四个核心模块，并完成管理后台与小程序端的接口联调。
技术栈：后端 Spring Boot 2.5.15 + Java 17，基于若依 3.8.8 Maven 多模块分层（Controller/Service/Mapper），Spring Security + JWT 鉴权，MyBatis + MySQL 业务库，Redis 缓存；LangChain4j + DeepSeek 实现大模型接入，PostgreSQL 16 + pgvector（IVFFlat 索引）作为向量库，Apache Tika 负责文档解析；前端管理后台 Vue2 + Element UI，学员端 Uni-app + uView。
实现亮点与难点：
1、用 LangChain4j AiServices + Function Calling 将约课流程拆解为"槽位填充、查询真实排班生成候选方案、切换选中方案"三个工具，通过 @ToolMemoryId 与会话绑定；模型只负责意图理解与决策，所有时段数据均来自数据库真实排班，从架构层面规避大模型虚构时段的幻觉问题。
2、设计会话状态机管理多轮槽位累积与增量补全，支持低峰优先、我的教练优先、教练不可约时自动切换等策略，并对候选方案做偏好过滤、满员过滤与多维热度排序。
3、基于 SseEmitter + NDJSON 实现流式输出，小程序端通过 enableChunked 与 onChunkReceived 分块接收实现"打字机"效果，并为不支持流式的环境做自动降级。
4、预约峰值预测采用"历史数据构造 Prompt + 大模型输出结构化结果 + Redis 缓存 + 本地统计兜底"的链路，兼顾准确性与可用性。
5、RAG 链路打通文档上传、
评论