AI-Ribot (小哈 AI 机器人后端) 基于 Spring Boot 3.4.1 和 Spring AI 构建的全栈 AI 助手后端。支持流式对话、上下文记忆、联网搜索以及基于向量数据库（PGVector）的智能客服 RAG 系统。
🚀 核心功能 流式对话 (SSE)：支持与大模型进行流式交互，实时返回推理内容和回答。
长效记忆管理：自定义 CustomChatMemoryAdvisor，从数据库（PostgreSQL）动态拉取历史消息，实现有状态的对话。
联网搜索能力：集成 SearXNG 聚合搜索引擎，支持实时爬取网页内容并进行增强生成的联网对话。
RAG 智能客服：
支持 Markdown 文件上传、解析与向量化存储。
利用 PGVector 实现相似度检索，严格基于知识库回答用户问题。
异步处理机制：文件向量化采用异步事件监听模式，配备自定义线程池提升并发处理能力。
🛠️ 技术栈 核心框架：Spring Boot 3.4.1, Spring AI 1.1.1
Java 版本：JDK 21
数据库：PostgreSQL (带 PGVector 插件)
ORM 框架：MyBatis Plus
网络请求：OkHttp 4.12.0
日志/工具：Log4j2, Hutool, Lombok, Jsoup
📋 快速开始
- 环境准备 PostgreSQL: 需安装 pgvector 扩展。
SearXNG: 建议使用 Docker 部署在 localhost:8888。
- 数据库配置 执行以下 SQL 初始化向量表及基础表结构：
SQL CREATE EXTENSION IF NOT EXISTS vector; -- 向量存储表由 Spring AI 自动管理，名称配置为 t_vector_store 3. 修改配置 编辑 src/main/resources/application-dev.yml，填入你的 API Key 和路径：
YAML spring: ai: openai: base-url: https://dashscope.aliyuncs.com/compatible-mode api-key: your-api-key-here datasource: url: jdbc:p6spy:postgresql://localhost:5432/robot username: postgres password: your-password
customer-service: md-storage-path: D:\airobot_md # 修改为你本地的存储路径 4. 启动项目 Bash mvn clean install mvn spring-boot:run 接口说明 对话模块 流式对话：POST /chat/completion
chatId: 对话唯一标识
networkSearch: 是否开启联网搜索 (Boolean)
新建对话：POST /chat/new
智能客服模块 知识上传：POST /customer-service/md/upload (仅支持 .md 文件)
客服对话：POST /customer-service/completion
🧩 核心逻辑说明 Advisor 链式处理：通过 CustomerServiceAdvisor 或 NetworkSearchAdvisor 动态拦截请求，完成 RAG 检索或搜索结果聚合，最终重组 Prompt 发送给大模型。
安全性与跨域：已配置全局 CORS，允许前端跨域请求并携带凭证。