说实话，构建一个钉钉智NengAgent的架构，咱就是说不是一件简单的事儿。

先来聊聊背景吧，你知道现在AI Agent有多火吗？哈哈，基本上每个公司dou在谈论如何利用AI来提升效率。

在将用户消息发给 AI 之前，会注入丰富的上下文信息：

Agent 是一类由大语言模型、工具组件、任务编排层及运行时服务共同构建的智Neng程序,其核心机制是通过循环调用大语言模型的认知与推理Neng力。

你得让AI知道当前操作员是谁、系统当前时间等关键上下文，不然它怎么给你正确的回应呢？

StringBuilder promptBuilder = new StringBuilder;promptBuilder.append.append.append;promptBuilder.append.append).append;promptBuilder.append.append.append;

这些信息通过 System Prompt 之外的 User Prompt 注入，确保 AI 知道关键上下文。

AI Agent 需要记住对话上下文，不然你跟它聊了半天它就不知道你再说什么了。

Spring AI 通过 ChatMemory 接口管理对话历史，默认支持内存存储，但咱需要将其 为 Redis 持久化，实现分布式部署下的对话连续性。

@Componentpublic class RedisChatMemoryRepository implements ChatMemoryRepository { private static final String MEMORY_KEY_PREFIX = "agent:chat_memory:"; private static final long EXPIRE_DAYS = ; @Override public void saveAll { String key = MEMORY_KEY_PREFIX + conversationId; String json = objectMapper.writeValueAsString; stringRedisTemplate.opsForValue.set; } // ...} . 关键设计模式与Zui佳实践 ReAct 模式

通过 System Prompt 约束 AI 必须遵循 Thought → Action → Observation 的循环：

Thought: 用户要建单，但我还不知道商品明细，需要先问用户提供商品信息。Action: 无Observation: 用户提供了商品条码Thought: 现在我Ke以调用 confirmOrder 了Action: confirmOrderObservation: 单据创建成功，单号 XXXXXX

这个模式的核心在于，让AI像人类一样思考，先想清楚再Zuo事儿，而不是一股脑儿往前冲。

对于创建、审批、驳回等写操作，不在 Tool 内部硬编码二次确认，而是通过 Prompt 描述约束 AI 必须先向用户确认。

@Toolpublic XXXXX confirmOrder { // ...}

设计亮点：安全拦截

这样设计的好处是既保证了操作的准确性，又避免了误操作，你说是不是？

Zui近我在想，为什么有的文章百度不收录呢？有人说是内容质量的问题，也有人说是技术问题，说实话，我觉得dou有点道理，但也没个定论。

钉钉AgentOS系统的架构,其实就是围绕着如何geng好地与AI交互来设计的,你kan，像DingTalkStreamListener,它Neng实时监听用户的消息，然后通过ChatClient,把用户的指令传给AI模型.

① 用户在钉钉发送："帮我查一下商品xxxx"② DingTalkStreamListener 接收消息，设置 HeaderContext③ ChatServiceImpl.checkUser 验证登录状态与权限④ 组装增强 Prompt： "当前用户的: XXX。当前岗位是：XXXX。 当前操作人是：XXX。当前系统时间：-- ::。 用户的指令是: 帮我查一下商品xxxx。"⑤ ...⑩ 流式推送geng新钉钉卡片⑪ 用户kan到Zui终结果

@Tool: 将 Java 方法暴露给 AI 调用，比如查询商品信息、创建订单等业务操作，直接对接企业的现有系统。

@Tool: 通过自然语言描述工具的功Neng和用法，让 AI 明白何时该调用哪个工具，以及如何传参。

**总之**,通过 Spring AI 和钉钉开放平台的Neng力,我们Ke以快速搭建出具备复杂业务Neng力的智NengAgent,不仅Neng提升企业内部的工作效率,也Neng为客户提供geng智Neng的服务体验.

完