Java 智能体开发就是用 Java 调用大语言模型（比如 DeepSeek、GPT）的 API，让程序能理解自然语言、做出决策、并执行相应操作。

核心思路是：

"智能体"和普通聊天机器人的区别在于它能调用工具。比如你问"济南天气怎么样"，普通聊天只会瞎编，智能体会：
1. 识别出这是天气查询
2. 自动调用天气 API 拿真实数据
3. 把数据交给 AI 组织成自然语言回复

一、项目目标
用 Java 从零实现一个命令行智能体，具备以下能力：
• 与用户持续对话（有记忆）
• 识别天气查询意图，自动调用高德 API 获取实时天气
• 将天气数据交给 AI 组织成自然语言回复

二、技术选型
为什么用 Java 17 内置 HttpClient
Java 11 起内置了 java.net.http.HttpClient，不需要引入 OkHttp 或 Apache HttpClient，减少依赖。用法：

为什么用 Jackson 而不是 javax.json
Jackson 的 JsonNode 支持链式调用，解析嵌套 JSON 更方便：

注意：Jackson 需要同时引入三个 jar，缺一不可：

jackson-databind（核心功能）
jackson-core（底层解析）
jackson-annotations（注解支持）
只加 jackson-databind 会在运行时报 NoClassDefFoundError: JsonView。

三、DeepSeek API 接入
请求结构
DeepSeek 兼容 OpenAI 格式，请求体如下

注意事项：
• 模型名必须是 deepseek-chat，写成 deepseekchat 会返回错误 JSON，导致后续解析 NPE
• temperature 越小回答越严谨，这里设 0.1 适合工具调用场景
• API Key 格式是 sk-xxxxxxxxxxxxxxxx，在 platform.deepseek.com 申请
用 Jackson 构建请求体

解析响应

path() 比 get() 安全，找不到字段时返回 MissingNode 而不是 null，不会直接 NPE。但 get(0) 仍然可能返回 null（数组为空时），所以调试时要先打印原始响应确认 API 正常返回。

四、对话记忆实现
用静态 StringBuilder 累积所有对话内容，每次请求都把完整历史带上：

这是最简单的记忆方案，把所有历史拼成一个长字符串发给模型。缺点是对话越长 token 消耗越多，生产环境一般只保留最近 N 轮。

五、Function Calling 简化实现
标准的 Function Calling 需要定义 tools schema，流程复杂。这里用 prompt 工程实现同等效果：

第一步：让模型识别意图并格式化输出

第二步：判断输出意图

整个流程是两次 AI 调用：第一次识别意图+提取城市，第二次把天气数据转成自然语言。

六、高德天气 API
接口地址

extensions=base 返回实时天气，extensions=all 返回预报。

关键坑：中文 URL 编码
URI.create() 不接受未编码的中文字符，必须先编码：

不编码会抛：

解析响应
高德返回结构：

七、踩坑汇总

八、运行效果