架构师日记：当点餐系统遇上 AI —— 基于 Spring AI + Pgvector + DeepSeek 的架构设计思路

大家好，我是 Sail。

前几天，我开源了 [Sail-Food 扬帆点餐系统] 的单商户基础版本。你们有用过吗？

虽然目前的版本已经覆盖了“点餐、下单、查看详情，个人中心”等业务闭环。非常适合新手练手。

在如今Ai时代，我准备在接下来的2-3周，我将开启**“AI 智能化改造计划”**，把当下最火的 RAG（检索增强生成） 和 Agent（智能体） 技术，落地到这个点餐系统中！

顾客问：“我要两份寿司，一份去葱，再来瓶可乐。以前需要人工客服回复，现在，我们要让 DeepSeek 帮我们自动回答，甚至自动下单。

技术栈选型：

1、LLM模型： 集成 spring AI 

2、向量数据库：PostgreSQL + pgvector 插件 ，我的点餐系统已经用了PostgreSQL16，只要安装个插件就可以了，无需额外维护向量库。

3、大模型： 支持云端 API（之前文章生成器已经用了，到时候直接集成，高性能）和 本地私有化部署(我本地DeepSeek  1.5b）

核心流程：

我们将实现一个 “AI 点餐小二” 功能：

1. 数据清洗 (ETL)： 将菜品表 (product) 的数据（口味、食材、推荐语）提取出来，通过 Embedding 模型转化为向量 (Vector)。

2. 意图识别 (Router)： 用户发话 -> AI 判断是“闲聊”、“咨询菜品”还是“直接下单”。

3. 语义检索 (Retrieval)： 用户问“适合孩子的菜” -> 向量库检索 similarity_search -> 找到“招牌厚切三文鱼、加州卷”。

4. 增强生成 (Generation)： 将检索到的菜品资料喂给 DeepSeek -> 生成这一句：“推荐您尝尝我们的【海鲜茶碗蒸】，口感嫩滑，非常适合小朋友哦~”

下个阶段的产出：

1、编写 Java 代码，实现 Excel/数据库菜品数据的 Embedding 入库。

2、AI智能导购，

• 在小程序首页增加“AI 助手”悬浮球。

• 支持自然语言问答推荐菜品。

3.实现“我要两份寿司礼盒” -> 自动解析成 JSON -> 加入购物车。

在最后： 

如果你也对 Spring AI、RAG 落地、DeepSeek 接入 感兴趣，或者你的毕设/项目想要增加一个**“降维打击”的 AI 亮点**，请务必关注后续的更新！

代码依然会开源在 Gitee，文档和思路我会同步在优快云 更新。

项目开源地址：软考架构师 Sail / Sail-Food 微信小程序点餐