出于这个原因,网页设计师必须了解如何最大限度地利用人工智能.通过人工智能,网站可以变得非常敏感,并能够理解和响应网页访问者的需求.，操作一波。

项目起步：后端技术栈的思考

到现在写service就很好写了 通过层级划分，清晰分离了不同的职责，保证了代码的可维护性和 性。引入 Converter 模块将 DTO 转换为实体对象，简化了业务层的逻辑并实现了代码的复用。这一框架实现了从用户输入到 AI 模型响应再到数据持久化的全链路处理，下一章我们继续完善前端通信部分。

别担心... 先说说AI这块应该在业务体系中应该较大的模块， AI落地应用的场景不限于AI客服问答，还可以应用在知识库管理、数据快速展示、ChatBI等一系列场景，但是目前我们的项目这块是用于Web应用上面的，所以采用一般也是JAVAWeb层级结构，那么我们就很好确定后端技术栈。

代码示例：AiChatTongyiRespPo

public class AiChatTongyiRespPo { /** * 主键id */ @TableId private Long id;​ /** * 提问内容 */ @TableField private String prompt;​ /** * 返回编号 */ @TableField private String requestId;​ /** * 返回文本 */ @TableField private String text;​ /** * 结束状态 */ @TableField private String finishReason;​ /** * 模型编号 */ @TableField private String modelId;​ /** * 输入tokens */ @TableField private String inputTokens;​ /** * 输出tokens */ @TableField private String outputTokens;}​

API交互：通义千问模型调用

我这里调用的是阿里通义千问的模型， 当然每个厂商的AI SDK都大差不差， 何必呢？ 调用规则基本都是一致的，通过查阅SDK的返回参数就能很轻松的调用：

比如,某些聊天机器人服务会提供 JavaScript SDK,开发人员可以在前端页面中引入该 SDK,然后按照文档进行初始化和配置,即可快速实现聊天机器人功能.~~~

集成 AI插件或SDK

太顶了。 一些 AI 技术公司会提供专门的前端插件或 SDK,方便前端开发人员集成 AI 功能。比如,某些聊天机器人服务会提供 JavaScript SDK,开发人员可以在前端页面中引入该 SDK,然后按照文档进行初始化和配置,即可快速实现聊天机器人功能。...哎呀！我突然想起来我中午没吃午饭了…有点饿。

落地场景：企业级AI应用探索

越来越多的企业用户希望在其业务网站中配备一个智能的 AI 助手,比方说公共机构针对情况及相关政策的查询服务、 宠物医院问诊咨询、问答、机械制造专业知识服务、互联网商家的智能客服等。.GitHub Daily在生成式 AI 不断奔涌的创新浪潮中,企业和组织都在寻找在实际环境可以落地且能够产生业务价值的应用场景。经过了一段时间的摸索和实践,大家都把落地锁定在 知识库领域 ,将其用在企业…有时候想想啊…是不是应该多喝点水，另起炉灶。？

主流AI模型对比

架构设计：分层处理与数据持久化

业务处理: 再来点儿吧！数据持久化: 我觉得这部分最重要！查阅SDK看返回数据格式，把这部分最简单先做了。然后设计数据落表： 复制 再来写实现层就好写了 IDEA启动！大模型的title想必不用我多说了多少公司想要搭上时代前言技术的快车， 他破防了。 感受科技的魅力。现在大模型作为降本增效的强大工具， 大体上公司大多人都想要部署开发一把，更多的想要利用到这些模型放到生产中来提高生产力。但是对于我们开发者 找到实际落地场景可以说是产品的活…哎呀不对劲! 代码要写完才能休息啊!

代码示例：convert方法

public static AiChatTongyiRespPo convert { AiChatTongyiRespPo po = new AiChatTongyiRespPo; modelUsage = .get; // 将 DTO 中的数据映射到 PO 中 ); ); ); ); ); )); ));​ return po; }

拯救一下。 另一层为处理与AI数据交互，需要将我们处理过需要交互的数据提交到AI SDK的接口上，获取返回的数据，这部分数据也需要记录，主要原因是后续我们可能会去做一些不同AI反馈效果分析……还有可能去进行大模型多模态的应用…所以要尽可能的低耦合! 多划分层级对后面维护项目很重要!

API流程

API 请求处理:

api这一模块实现与AI接口的交互——也就是查阅相关SDK文档找到返回的数据 得了吧... 格式获取到了数据之后记录到数据库之中并且通过api传输给其他服务确定层级有：

利用src/agent/deep_research/模块 的上下文记忆功能.AI Agent可模拟人工浏览行为自动从指定网站提取结构化数据.

直播回放|如何用Dify快速搭建你的专属智能体.01︱实例演示 : AI智能体会进化到何种形态.，我直接起飞。

数据库表设计

CREATE TABLE ai_request NOT NULL COMMENT '会话ID', prompt longtext COMMENT '提问内容', text longtext COMMENT '返回文本', finishReason varchar NOT NULL COMMENT '结束状态', model_code varchar NOT NULL COMMENT '模型编号', input_tokens bigint NOT NULL COMMENT '输入tokens', output_tokens bigint NOT NULL COMMENT '输出tokens', create_time datetime NOT NULL DEFAULT CURRENTTIMESTAMP COMMENT '创建时间', update_time datetime NOT NULL DEFAULT CURRENTTIMESTAMP ON UPDATE CURRENTTIMESTAMP COMMENT '修改时间', PRIMARY KEY ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb40900aici COMMENT='智能客服应答表';. .，挽救一下。

先说说应该有两个模块 一层为处理Web端数据回传将用户在前端提交的文本数据处理里面可以加入敏感词检测不符对话逻辑过滤等一系列业务逻辑然后把这些内容提交到 AI交互模块 在 数据落库方面还需要能够记录每次对话内容的交互数 据这部分的数据尽量偏业务方向不需要记录 AI返回 的 Tokens状态等数 据只需要记录表 层与用户交互的数据比如对返回 的文本点赞评分等等.

再来写convert： 但是对于我们开发者来说找到实际落地场景可以说是产品的活我们需要思考如何高效维护 AI这个模块 如何建立项目层级结构才能更好的解耦 . 如何优雅地 在页面上嵌入 AI - Agent 人工智能化 https://blog.csdn.net/master hunter/article/details/141456013 版权前言 IDEA启动 ! 大模型的 title 想必不用我多说了多少公司想要搭上时代前言技术的快车感受科技的美丽 。 现在大模型作为降本增效 的强大工具大体上公司大多人都想要部署开发一把更多的想要利用 到 这些 模型放到生产 中来提高生产力 。 出道即巅峰。 但是对于 我们开发者来说找到实际落地场景可以说 是产品的活我们需要思考如何高效维护 A I 这个模块如何建立项目层级结构才能更好的解耦 。 如何优雅地 在页面上嵌入 A I - Agent 人工智能化 https://blog.csdn .net / master hunter / article / details /141456013 版权前言 IDEA启动 ! 大模型的 title 想必不用我多说了多少公司想要搭上时代前言技术的快车感受科技的美丽 。 现在大模型作为降本增效 的强大工具大体上公司大多人都想要部署开发一把更多的想要利用 到 这些 模型放到生产 中来提高生产力 。