SpringBoot智能客服系统实战：从零搭建高可用问答引擎-编程实验室

SpringBoot智能客服系统实战：从零搭建高可用问答引擎

背景痛点：规则引擎的“慢”与“笨”

老项目里那套 if-else 规则引擎，高峰期平均响应 1.2 s，意图识别率只有 68 %。

每新增一条语料就要人肉改规则，上线周期按天算；
同步阻塞模型，Tomcat 线程池被打满后直接 502；
无法平滑扩容，双 11 一压就跪。

老板一句话：给一套“能听懂人话、扛得住并发”的新方案，预算还只能买一台 4C8G 的云主机。于是有了这次 SpringBoot + 轻量级 NLP 的踩坑之旅。

技术选型：直接调第三方 OR 自建 NLP？

维度	直接调百度/阿里接口	自建 TF-IDF 模块
成本	按量计费，1 千万次 ≈ 4000 元/月	一次性 4 核 8 G 即可，电费可忽略
可控性	黑盒，意图变更需提工单	代码自己改，10 分钟上线
延迟	公网 80 ~ 200 ms 抖动	本地内存计算 5 ~ 15 ms
数据隐私	明文外发	数据不出机房

结论：

对并发 < 20 QPS 的小厂，直接买最省事；
对“预算紧、需求变更快、数据敏感”的场景，自建更香。

下文全部按“自建”展开，留好扩展点，后续可一键切到第三方。

核心实现：三步搭出最小可用引擎

1. 异步骨架：SpringBoot WebFlux

@SpringBootApplication public static void main(String[] args) { SpringApplication.run(QaApplication.class, args); } @Bean public RouterFunction<ServerResponse> route(QaHandler handler) { return RouterFunctions .route(POST("/qa"), handler::answer); }

Handler 里用ReactiveSecurityContext拿用户 ID，全程 Reactor 链，背压由 Netty 自动处理，Tomcat 线程 0 阻塞。

2. 意图识别：TF-IDF + 余弦相似度

语料 < 2 万条时，重型 BERT 性价比太低。
算法步骤：

离线把标准问题分词，计算 TF-IDF 权重，生成Map<String, Double> vector；
线上用户提问同样分词，实时生成 queryVector；
遍历标准库，取cosineSimilarity(queryVector, stdVector)最高且 > 0.65 的 top1；
未命中则走默认“转人工”兜底。

核心代码（带异常兜底）：

public Mono<String> recognize(String query) { return Mono.fromCallable(() -> { try { Map<String, Double> qv = toTfidfVector(query); return repository.findAll() // 内存 List .parallel() .max(Comparator.comparingDouble( s -> cosine(qv, s.getVector()))) .filter(p -> cosine(qov, p.getVector()) >= 0.65) .map(StandardQa::getAnswer) .orElse("人工"); } catch (Exception e) { log.error("intent_recognize_error, query={}", query, e); return "人工"; } }).subscribeOn(Schedulers.boundedElastic()); // 计算密集型任务扔线程池 }

3. 熔断保护：Feign + Sentinel

热点第三方接口（如物流查询）仍可能走外部，必须熔断：

@FeignClient(name = "logistics", fallback = LogisticsFallback.class) public interface LogisticsClient { @GetMapping("/logistics/{orderId}") Mono<LogisticsDTO> track(@PathVariable String orderId); } @Component class LogisticsFallback implements LogisticsClient { @Override public Mono<LogisticsDTO> track(String orderId) { log.warn("logistics_circuit_open, orderId={}", orderId); return Mono.just(LogisticsDTO.empty()); } }

关键参数（application.yml）：

feign: circuitbreaker: enabled: true failure-rate-threshold: 50 # 50 % 错误率即打开 wait-duration-in-open-state: 5s

生产级考量：让老板放心睡 double 11

1. 压测数据：线程池大小对吞吐的影响

JMeter 200 并发线程，循环 5 min，不同spring.task.execution-thread结果：

线程池大小	平均 RT	95 % RT	吞吐/sec
50	180 ms	350 ms	920
200	120 ms	210 ms	1650
400	115 ms	200 ms	1680

再往上 CPU 打满，收益递减。最终线上设 200 + 动态伸缩。

2. 敏感词过滤：AOP 一行注解搞定

@Aspect @Component @Slf4j public class SensitiveAspect { @Around("@annotation(SensitiveCheck)") public Object filter(ProceedingJoinPoint pjp) throws Throwable { Object[] args = pjp.getArgs(); for (int i = 0; i < args.length; i++) { if (args[i] instanceof String) { args[i] = SensitiveUtil.replace((String) args[i]); } } return pjp.proceed(args); } }

配合 DFA 词库 0.3 ms 内完成 2 万词匹配，吞吐量几乎无损失。

避坑指南：那些官方文档没写的坑

1. SpringCache ≠ WebFlux 的好朋友

@Cacheable默认线程模型与 Reactor 调度器不一致，高并发下出现ReactiveReadTimeout。
解决：弃用 SpringCache，改用Caffeine直接Mono.fromCallable(...).cache()，或者ReactorCache封装。

2. ThreadLocal 在异步链里会丢

SecurityContextHolder传统 ThreadLocal 模式，在publishOn切换线程后直接 NPE。
解决：把用户 ID 提前transform到 Reactor Context，下游通过Mono.deferContextual读取，全程无 ThreadLocal。