【征文计划】基于Rokid 眼镜 的AI天气应用+GPS定位+AI旅游规划

文章目录

• 本文选用的技术包括：
• 一、主要流程
  • 新增三个辅助类，原有文件做对应改造：
• 二、功能 A：GPS 自动定位
  • 2.1 实现路径
  • 2.2 核心代码：LocationHelper.kt
  • 2.3 意图识别：我们添加 GPS 的关键词
• 三、功能 B：对话上下文工程
  • 3.1 核心数据结构
  • 3.2 续播意图的两种形态
• 四、功能 C：AI 旅游规划
  • 4.1 为什么用 LLM， 而不是规则
  • 4.2 核心代码：AiTravelPlanHelper.kt
  • 4.3 Prompt 设计要点
  • 4.4 与天气查询的串联时序
  • 4.5 眼镜端 Custom View 新增旅游规划区
• 五、踩坑与排错速查
  • 直辖市逆地理编码返回城市名为空
  • 续播语义识别错误
  • AI 旅游规划延迟太长/播报重叠
  • requestSingleUpdate 废弃警告
• 六、完整调用示意
• 七、其他功能

本文我将解决这三件事，将天气应用升级为AI旅游规划助手，基于Rokid 眼镜 的AI天气应用+GPS定位+AI旅游规划的实现。🙏

本文选用的技术包括：

GPS 自动定位：说「这里天气」自动获取位置，不用报城市名
多轮对话：说「上海呢」「那边呢」「再查一次」接续上轮查询
AI 旅游规划：接入 Claude API，天气播报后自动生成个性化旅游建议和行程规划
可直接复制的 Kotlin 代码（LocationHelper、ConversationContext、AiTravelPlanHelper）
踩坑经验：直辖市 adcode、续播语义识别、LLM 延迟控制

一、主要流程

本篇在 AiWeatherActivity（AI 语音查天气）基础上扩展，整体数据流如下：

新增三个辅助类，原有文件做对应改造：

二、功能 A：GPS 自动定位

2.1 实现路径

用户说完“这里的天气”不想等 5 秒。缓存位置最多偏差几公里，对天气查询完全够用。

2.2 核心代码：LocationHelper.kt

classLocationHelper(privateval context: Context){interface LocationCallback {funonCityCode(adcode: String, cityName: String, districtName: String)funonError(reason: String)}fungetCurrentCityCode(callback: LocationCallback){if(!hasLocationPermission()){ callback.onError("缺少定位权限")return}val manager = context.getSystemService(Context.LOCATION_SERVICE)as LocationManager val lastKnown =getLastKnownLocation(manager)if(lastKnown !=null){reverseGeocode(lastKnown.latitude, lastKnown.longitude, callback)}else{requestSingleUpdate(manager, callback)}}@SuppressLint("MissingPermission")privatefungetLastKnownLocation(manager: LocationManager): Location?=listOf(GPS_PROVIDER, NETWORK_PROVIDER, PASSIVE_PROVIDER).mapNotNull{ runCatching { manager.getLastKnownLocation(it)}.getOrNull()}.maxByOrNull{ it.time }privatefunreverseGeocode(lat: Double, lon: Double, callback: LocationCallback){// 注意：高德 API 格式是 "经度,纬度"（lon在前）val url ="$REGEO_URL?location=$lon,$lat&key=$API_KEY&extensions=base&output=JSON"// OkHttp 调用 ...// 解析响应val component = json .getJSONObject("regeocode").getJSONObject("addressComponent")val adcode = component.optString("adcode")// 坑：直辖市 city 字段为空，需取 provinceval city = component.optString("city").ifEmpty{ component.optString("province")}val district = component.optString("district") callback.onCityCode(adcode, city, district)}}

2.3 意图识别：我们添加 GPS 的关键词

在 AiIntentParser 里加一批触发词，识别「天气」类意图：

privateval LOCATION_KEYWORDS =listOf("这里","附近","当前","我这","这边","当前位置","我在哪","这里的")// 返回特殊常量 INTENT_LOCATION，交给 Activity 分支处理constval INTENT_LOCATION ="__LOCATION__"funisLocationIntent(text: String): Boolean {val hasLocation = LOCATION_KEYWORDS.any{ text.contains(it)}val hasWeather = text.contains("天气")|| WEATHER_KEYWORDS.any{ text.contains(it)}return hasLocation && hasWeather }

Activity 侧处理分支：

privatefunprocessRecognizedText(text: String){val intent = intentParser.parseWeatherIntent(text, conversationContext)when{ intent ==null->{updateStatus("未识别到查询意图，请说「XXX天气」或「这里天气」")notifyAiError()} intent == AiIntentParser.INTENT_LOCATION ->handleLocationIntent()else->queryWeather(intent, intentParser.getCityNameByCode(intent))}}privatefunhandleLocationIntent(){ checkLocationPermission { locationHelper.getCurrentCityCode(object: LocationHelper.LocationCallback{overridefunonCityCode(adcode: String, cityName: String, districtName: String){val name =if(districtName.isNotBlank())"$cityName$districtName"else cityName queryWeather(adcode, name)}overridefunonError(reason: String){notifyAiError()}})}}

三、功能 B：对话上下文工程

3.1 核心数据结构

dataclassConversationContext(val lastCityCode: String?=null,val lastCityName: String?=null,val turnCount: Int =0,val lastQueryTimeMs: Long =0L){companionobject{privateconstval CONTEXT_TTL_MS =5*60*1000L// 5分钟}funisValid(): Boolean = lastCityCode !=null &&(System.currentTimeMillis()- lastQueryTimeMs) < CONTEXT_TTL_MS funadvance(cityCode: String, cityName: String): ConversationContext =copy( lastCityCode = cityCode, lastCityName = cityName, turnCount = turnCount +1, lastQueryTimeMs = System.currentTimeMillis())}

为什么设 5 分钟 TTL？ 其实就是经验估计：5 分钟内的续问大概率是连续对话；超过 5 分钟放下手机再拿起来，基本是新话题，不应复用旧上下文。

3.2 续播意图的两种形态

privateval CONTINUATION_KEYWORDS =listOf("那呢","那边","那里呢","那边呢","再查","继续","再来一次","重新查")privatefunparseContinuationIntent(text: String, ctx: ConversationContext): String?{// 形态1：续播词 → 直接复用上次城市if(CONTINUATION_KEYWORDS.any{ text.contains(it)})return ctx.lastCityCode // 形态2：只有城市名，没有天气关键词（「福州呢」）→ 切换城市val hasWeather = WEATHER_KEYWORDS.any{ text.contains(it)}if(!hasWeather){val cityCode =extractCityCode(text)if(cityCode !=null)return cityCode }returnnull}

三种典型场景对照：

Activity 侧每次成功查询后更新上下文：

// queryWeather 成功回调中： conversationContext = conversationContext.advance(cityCode, cityName)

四、功能 C：AI 旅游规划

4.1 为什么用 LLM， 而不是规则

用规则也能生成简单建议：

if(temp <10)"适合室内景点"elseif(weather.contains("雨"))"建议带伞，推荐室内博物馆"else"户外景点和公园都适合"

问题在于这是死的。同样是 25 度、晴天：北京故宫需要建议避开人流高峰；杭州西湖需要推荐骑行路线；三亚应该提醒防晒。LLM 能感知城市的旅游特色、气候背景，给出有地域差异的个性化旅游建议，这是规则系统做不到的。

4.2 核心代码：AiTravelPlanHelper.kt

class AiTravelPlanHelper {companionobject{privateconstval API_URL ="https://api.anthropic.com/v1/messages"privateconstval CLAUDE_API_KEY ="YOUR_CLAUDE_API_KEY"privateconstval MODEL ="claude-haiku-4-5-20251001"}interface TravelPlanCallback {funonTravelPlan(plan: String)funonError(reason: String)}fungetTravelPlan( city: String, temp: String, weather: String, wind: String, humidity: String, callback: TravelPlanCallback ){val systemPrompt ="你是一个专业的旅游规划助手，根据天气数据为用户生成简洁的中文旅游建议。"+"要求：语气自然友好，不超过80字，直接给建议，包含1-2个当地特色景点推荐，不要重复天气数据。"val userMessage ="城市：$city，气温：${temp}°C，天气：$weather，"+"风力：$wind，湿度：${humidity}%，请给出旅游建议。"val requestBody =JSONObject().apply{put("model", MODEL)put("max_tokens",300)put("system", systemPrompt)put("messages",JSONArray().apply{put(JSONObject().apply{put("role","user")put("content", userMessage)})})}.toString()val request = Request.Builder().url(API_URL).addHeader("x-api-key", CLAUDE_API_KEY).addHeader("anthropic-version","2023-06-01").addHeader("content-type","application/json").post(requestBody.toRequestBody("application/json".toMediaType())).build() client.newCall(request).enqueue(object: Callback {overridefunonResponse(call: Call, response: Response){val body = response.body?.string()?:returnval plan =JSONObject(body).getJSONArray("content").getJSONObject(0).optString("text")?.trim()if(plan !=null) callback.onTravelPlan(plan)else callback.onError("解析失败")}overridefunonFailure(call: Call, e: IOException){ callback.onError("网络请求失败: ${e.message}")}})}}

4.3 Prompt 设计要点

「不要重复天气数据」这条约束很关键——用户刚听完 TTS 播报了天气，建议里再说「当前北京25度晴天，推荐去故宫」是纯粹的信息冗余。选 claude4.5而不是更强的模型，是因为这个场景对「聪明程度」要求不高，对延迟的要求更高：用户说完天气查询，天气 TTS 结束后 2 秒内最好就能听到旅游建议。

4.4 与天气查询的串联时序

privatefunqueryWeather(cityCode: String, cityName: String){ weatherApiHelper.getWeatherForecast(cityCode,object: WeatherApiHelper.WeatherCallback{overridefunonSuccess(response: WeatherApiResponse){val live = response.lives?.firstOrNull()val forecast = response.forecasts?.firstOrNull()// 1. 打开眼镜端 Custom View（旅游规划区初始显示「规划获取中...」）openGlassCustomView(weatherViewHelper.generateWeatherViewJson(live, forecast))// 2. TTS 播报天气摘要sendWeatherTts(weatherViewHelper.generateWeatherTtsText(live, forecast))// 3. 更新多轮上下文 conversationContext = conversationContext.advance(cityCode, cityName)// 4. 异步获取 AI 旅游规划（不阻塞天气播报）if(live !=null)fetchAiTravelPlan(live, cityName)}overridefunonError(error: String){notifyAiError()}})}privatefunfetchAiTravelPlan(live: Live, cityName: String){val wind ="${live.winddirection ?:""}${live.windpower ?:""}".trim() travelPlanHelper.getTravelPlan( city = cityName, temp = live.temperature ?:"--", weather = live.weather ?:"--", wind = wind, humidity = live.humidity ?:"--", callback =object: AiTravelPlanHelper.TravelPlanCallback{overridefunonTravelPlan(plan: String){// 更新眼镜端旅游规划控件updateGlassCustomView(weatherViewHelper.generateTravelPlanUpdateJson(plan))// 延迟 2 秒播报，避免与天气 TTS 重叠Handler(Looper.getMainLooper()).postDelayed({sendGlobalTtsContent(plan)},2000L)}overridefunonError(reason: String){updateGlassCustomView( weatherViewHelper.generateTravelPlanUpdateJson("旅游规划暂时无法获取"))}})}

4.5 眼镜端 Custom View 新增旅游规划区

WeatherViewHelper 在原有天气卡片末尾追加分割线和旅游规划控件：

// 分割线 children.put(createTextView( id ="tv_divider", text ="─────────────────", textSize ="10sp", textColor ="#FF444444", marginTop ="12dp", marginBottom ="8dp"))// AI 旅游规划占位（成功后 updateCustomView 更新） children.put(createTextView( id = ViewIds.TV_TRAVEL_PLAN, text ="规划获取中...", textSize ="14sp", textColor ="#FFFFCC00"// 金色，区别于普通信息))

仅更新旅游规划的方法：

fungenerateTravelPlanUpdateJson(plan: String): String {val updates =JSONArray() updates.put(createUpdateAction(ViewIds.TV_TRAVEL_PLAN,"text", plan))return updates.toString()}

五、踩坑与排错速查

直辖市逆地理编码返回城市名为空

高德 regeo 接口，北京/上海/天津/重庆的 city 字段是空字符串，城市信息在 province 里：

// 错误写法：val city = component.optString("city")// 北京返回 ""// 正确写法：val city = component.optString("city").ifEmpty{ component.optString("province")}

续播语义识别错误

判断关键是「有没有天气关键词」：

• 有天气关键词（「北京天气」）→ 走正常解析，不走续播
• 无天气关键词（「北京呢」）+ 有城市名 → 走续播，切换城市
• 续播词（「那边呢」）→ 复用上次城市

AI 旅游规划延迟太长/播报重叠

Claude Haiku 响应通常在 1-2 秒。fetchAiTravelPlan 在天气查询成功后立即异步发起，规划播报延迟 2 秒，基本不会与天气 TTS 重叠。如果网络慢可以加 OkHttp 超时：

OkHttpClient.Builder().readTimeout(10, TimeUnit.SECONDS).build()

requestSingleUpdate 废弃警告

LocationManager.requestSingleUpdate() 在 API 30+ 被标记废弃，但本项目 minSdk=28，功能完全正常，用 @Suppress(“DEPRECATION”) 压警告即可。

六、完整调用示意

用户：「这里天气」 → isLocationIntent → INTENT_LOCATION → checkLocationPermission → LocationHelper.getCurrentCityCode → 高德 regeo → adcode=110105（朝阳区） → queryWeather("110105", "北京市朝阳区") → openCustomView（天气卡片，旅游规划区显示「获取中...」） → sendTtsContent（「北京市朝阳区当前天气，温度25度，晴...」） → context.advance("110105", "北京市朝阳区") → AiTravelPlanHelper.getTravelPlan → Claude API → updateCustomView（「今天天气舒适，推荐去朝阳公园散步，傍晚可以去三里屯逛逛」） → 2秒后 sendGlobalTtsContent（「今天天气舒适，推荐去朝阳公园散步，傍晚可以去三里屯逛逛」） 用户：「福州呢」 → parseContinuationIntent → 形态2，切换到福州 → queryWeather("310101", "福州") ...（同上流程） 用户：「那边呢」 → parseContinuationIntent → 形态1，复用福州 → queryWeather("310101", "福州") ... 

七、其他功能

做完这篇，其实有一个更大的问题浮现：眼镜应该做什么？

手机是工具——你主动去用它。眼镜是助手——它在你需要的时候说一句话，然后闭上嘴。

天气+旅游是最安全的起点：不打扰、有明确答案、TTS 一句话说完。但如果你想继续探索，以下方向都在这套框架上可以直接延伸：

• 景点导览：到达景点后自动识别位置，推送景点介绍和历史背景
• 行程提醒：结合日历，提前推送目的地天气和出行建议
• 实时路况：结合地图数据，提供出行路线和实时交通信息
• 多日规划：「那明天呢」处理预报字段，生成多天旅游行程
• 美食推荐：结合当地特色美食，根据天气推荐适合的餐厅
  🙏🙏🙏🙏