基于 Rokid 眼镜的 AI 天气与旅游规划实现

意图识别：添加 GPS 关键词

在 AiIntentParser 里加一批触发词，识别「天气」类意图：

private val LOCATION_KEYWORDS = listOf("这里", "附近", "当前", "我这", "这边", "当前位置", "我在哪", "这里的")
const val INTENT_LOCATION = "__LOCATION__"

fun isLocationIntent(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：

private fun processRecognizedText(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))
    }
}

private fun handleLocationIntent() {
    checkLocationPermission {
        locationHelper.getCurrentCityCode(object : LocationHelper.LocationCallback {
            override fun onCityCode(adcode: String, cityName: String, districtName: String) {
                val name = if (districtName.isNotBlank()) "$cityName$districtName" else cityName
                queryWeather(adcode, name)
            }
            override fun onError(reason: String) {
                notifyAiError()
            }
        })
    }
}

三、功能 B：对话上下文工程

核心数据结构

data class ConversationContext(
    val lastCityCode: String? = null,
    val lastCityName: String? = null,
    val turnCount: Int = 0,
    val lastQueryTimeMs: Long = 0L
) {
    companion object {
        private const val CONTEXT_TTL_MS = 5 * 60 * 1000L // 5 分钟
    }

    fun isValid(): Boolean = lastCityCode != null && (System.currentTimeMillis() - lastQueryTimeMs) < CONTEXT_TTL_MS

    fun advance(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。

续播意图的两种形态

private val CONTINUATION_KEYWORDS = listOf("那呢", "那边", "那里呢", "那边呢", "再查", "继续", "再来一次", "重新查")

fun parseContinuationIntent(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
    }
    return null
}

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

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"
else if (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。

核心代码：AiTravelPlanHelper.kt

class AiTravelPlanHelper {
    companion object {
        private const val API_URL = "https://api.anthropic.com/v1/messages"
        private const val CLAUDE_API_KEY = "YOUR_CLAUDE_API_KEY"
        private const val MODEL = "claude-haiku-4-5-20251001"
    }

    interface TravelPlanCallback {
        fun onTravelPlan(plan: String)
        fun onError(reason: String)
    }

    fun getTravelPlan(
        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 {
            override fun onResponse(call: Call, response: Response) {
                val body = response.body?.string() ?: return
                val plan = JSONObject(body).getJSONArray("content").getJSONObject(0).optString("text")?.trim()
                if (plan != null) callback.onTravelPlan(plan)
                else callback.onError("解析失败")
            }
            override fun onFailure(call: Call, e: IOException) {
                callback.onError("网络请求失败：${e.message}")
            }
        })
    }
}

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。

与天气查询的串联时序

private fun queryWeather(cityCode: String, cityName: String) {
    weatherApiHelper.getWeatherForecast(cityCode, object : WeatherApiHelper.WeatherCallback {
        override fun onSuccess(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)
        }
        override fun onError(error: String) {
            notifyAiError()
        }
    })
}

private fun fetchAiTravelPlan(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 {
            override fun onTravelPlan(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)
            }
            override fun onError(reason: String) {
                updateGlassCustomView(
                    weatherViewHelper.generateTravelPlanUpdateJson("旅游规划暂时无法获取")
                )
            }
        }
    )
}

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：

fun generateTravelPlanUpdateJson(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、其他功能延伸

这套框架不仅限于天气，眼镜作为助手的特性决定了它更适合'不打扰、有明确答案、TTS 一句话说完'的场景。在此基础上可以直接延伸：

• 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