Issue Clarify Graph Example - 问题澄清工作流示例
本示例展示了如何使用 Spring AI Alibaba Graph 构建一个具有意图识别、槽位提取和 Human in the Loop（人机交互） 能力的机票客服智能体。
功能概述
这是一个机票预订客服系统，具备以下能力：
- 意图识别：自动识别用户意图（机票预订 / 知识问答）
- 知识问答：基于 RAG 检索知识库回答用户问题
- 槽位提取：从用户输入中提取预订所需信息（出发日期、出发城市、到达城市）
- 多轮对话：信息不完整时自动追问，引导用户补充槽位信息
- Human in the Loop：工作流在等待用户输入时自动中断，用户响应后恢复执行
工作流架构
flowchart TD
__START__((start))
__END__((stop))
_intent_node_("意图识别")
_rag_node_("RAG 检索")
_knowledge_reply_node_("知识回复")
_clarify_node_("槽位提取")
_clarify_wait_node_("等待用户输入")
_order_node_("订票处理")
condition1{"意图判断"}
condition2{"槽位完整?"}
__START__ --> _intent_node_
_intent_node_ -.-> condition1
condition1 -.->|KNOWLEDGE| _rag_node_
condition1 -.->|BOOKING| _clarify_node_
_clarify_node_ --> _clarify_wait_node_
_rag_node_ --> _knowledge_reply_node_
_knowledge_reply_node_ --> __END__
_clarify_wait_node_ -.-> condition2
condition2 -.->|信息不完整| _clarify_node_
condition2 -.->|信息完整| _order_node_
_order_node_ --> __END__
节点说明
| 节点 | 类型 | 功能描述 |
|---|---|---|
| IntentNode | 意图识别 | 使用 LLM 判断用户意图：BOOKING（预订）或 KNOWLEDGE（问答） |
| RagNode | RAG 检索 | 从 DashScope 知识库检索相关文档 |
| KnowledgeReplyNode | 知识回复 | 根据检索结果生成知识问答回复 |
| ClarifyNode | 槽位提取 | 使用 LLM 提取/补充预订槽位信息 |
| ClarifyWaitNode | 中断等待 | Human in the Loop 节点，等待用户补充信息 |
| OrderNode | 订票处理 | 槽位完整后执行模拟订票 |
快速开始
前置条件
- Java 17+
- Maven 3.6+
- DashScope API Key
- DashScope 知识库（用于 RAG）
配置
编辑 src/main/resources/application.yml：
server:
port: 10000
spring:
application:
name: issue-clarify-example
ai:
dashscope:
index-name: your_knowledge_index_name # 替换为你的知识库索引名
api-key: ${DASHSCOPE_API_KEY} # 建议使用环境变量
运行
# 方式一：Maven 运行
cd spring-ai-alibaba-graph-example/issue-clarify-graph-example
mvn spring-boot:run
# 方式二：打包运行
mvn clean package -DskipTests
java -jar target/issue-clarify-graph-example-*.jar
接口测试
场景一：知识问答
GET http://localhost:10000/booking/call?query=退票要收多少手续费&chatId=chat-001
响应示例：
根据机票类型不同，退票手续费如下：
- 全价票：起飞前24小时以上收取5%，起飞前2-24小时收取10%...
场景二：机票预订（多轮对话）
第一轮 - 用户表达预订意图，信息不完整：
GET http://localhost:10000/booking/call?query=我要订机票&chatId=chat-002
响应：
好的，请问您计划哪天从哪个城市出发，要去哪个城市呢？
第二轮 - 用户补充部分信息：
GET http://localhost:10000/booking/call?query=明天从北京出发&chatId=chat-002
响应：
好的，您是从北京出发，请问要去哪个城市呢？
第三轮 - 用户补充完整信息：
GET http://localhost:10000/booking/call?query=去上海&chatId=chat-002
响应：
✅ 订票成功！
订单号：ORDER_A1B2C3D4
出发：北京
到达：上海
日期：2025-12-15T14:00
祝您旅途愉快！
核心实现
1. 图配置 (GraphConfig.java)
StateGraph graph = new StateGraph(keyStrategyFactory)
.addNode("_intent_node_", node_async(intentNode))
.addNode("_rag_node_", node_async(ragNode))
.addNode("_knowledge_reply_node_", node_async(knowledgeReplyNode))
.addNode("_clarify_node_", node_async(clarifyNode))
.addNode("_clarify_wait_node_", clarifyWaitNode)
.addNode("_order_node_", node_async(orderNode))
.addEdge(START, "_intent_node_")
.addConditionalEdges("_intent_node_",
edge_async(state -> state.value("intent", String.class).orElse("KNOWLEDGE")),
Map.of("KNOWLEDGE", "_rag_node_", "BOOKING", "_clarify_node_"))
.addEdge("_clarify_node_", "_clarify_wait_node_")
.addConditionalEdges("_clarify_wait_node_", edged,
Map.of("back", "_clarify_node_", "next", "_order_node_"))
// ...
2. Human in the Loop (ClarifyWaitNode.java)
实现 InterruptableAction 接口，在槽位不完整时中断工作流：
public class ClarifyWaitNode implements AsyncNodeActionWithConfig, InterruptableAction {
@Override
public Optional<InterruptionMetadata> interrupt(String nodeId, OverAllState state, RunnableConfig config) {
// 槽位完整或是恢复执行时，不中断
if (isResume || "2".equals(slotParams.status())) {
return Optional.empty();
}
// 否则中断，等待用户输入
return Optional.of(InterruptionMetadata.builder(nodeId, state)
.addMetadata("reply", slotParams.reply())
.build());
}
}
3. 会话状态管理 (GraphController.java)
使用 MemorySaver 保存会话状态，支持多轮对话：
// 检查是否有历史状态
compiledGraph.stateOf(config)
.map(snapshot -> resumeFromCheckpoint(snapshot, query, config))
.orElseGet(() -> startNewConversation(query, config));