Spring AI实战：构建自然语言日历助手

Spring AI实战：构建自然语言日历助手

发布时间：2026/9/5 16:45:43
Spring AI实战：构建自然语言日历助手 之前帮团队做日程管理的时候最繁琐的不是“开会”本身而是把口头沟通变成日程同事在群里说一句“明天下午三点拉个会对齐接口方案”我得先去翻日历看明天是否空闲再手动创建事件、设置提醒如果发现时间冲突还要重新找人确认。这种重复劳动占用时间不多却非常打断思路。后来我干脆自己开发了一款日历 AI 助手用户直接用自然语言输入日程需求大模型负责理解意图和抽取时间信息后端负责创建日程、处理冲突、设置提醒和查询安排。整套系统不仅把“手动建日程”变成了“说一句话搞定”还让我把 AI Agent 的工程化思路完整走了一遍。本文将围绕这个项目从需求分析、系统设计、核心代码、运行验证到生产落地建议逐步拆解。如果你正在学习 Spring AI、想做一个实用的 AI 应用或者想了解自然语言如何和业务系统结合这篇文章应该能给你一份可直接参考的实战方案。1. 日历 AI 助手要解决什么问题1.1 手动建日程的常见痛点手动创建日程的过程本质上是“人脑理解自然语言 → 翻译成结构化字段 → 录入系统”的过程。仔细拆解一下大致包含这么几个步骤从“明天下午三点”这种表达中计算出具体日期时间。从“产品评审会”中提炼日程标题。判断“下午三点”指的是开始时间还是结束时间。理解“拉个会”是创建动作“查一下”是查询动作。如果包含“每周”“每工作日”等词还要转换成重复规则。这些事情并不难但每个步骤都需要人来做而且很容易出错。尤其是面对一组需要批量安排的日程时手动操作的成本会被明显放大。1.2 AI 助手如何改变这个流程日历 AI 助手的核心思路是把“自然语言输入”转成“结构化日程数据”再交给后端业务系统处理。以“明天下午三点拉个会对齐接口方案”为例理想的流程是用户输入 ↓ 大模型解析意图创建日程标题对齐接口方案时间明天15:00时长默认1小时 ↓ 业务层校验目标时间段是否冲突 ↓ 写入日程表并返回确认结果这个方案的优势很明显用户不需要关心字段格式。时间表达可以通过大模型进行归一化计算。重复性日程和提醒设置可以在同一句话里完成。后续可以扩展成语音输入、群聊机器人等入口。1.3 产品定位与技术边界在设计这个项目时我给它的定位是“个人/团队日程助理”而不是“通用聊天机器人”。所以系统内所有的交互都应该围绕日历事件展开不能让它变成无边界闲聊的 AI。技术选型上我采用 Java Spring Boot Spring AI OpenAI 兼容接口的方案。选择 Spring AI是因为它把大模型调用、结构化输出、Prompt 模板等能力封装成了 Spring 风格 API开发者可以比较平滑地集成到现有 Java 后端系统中。需要提前说明的一点是Spring AI 版本更新非常快不同版本之间 API 有差异。本文代码以核心思路为准你实际使用时请参考当前版本的官方文档进行调整。2. 总体架构与核心模块2.1 系统架构从宏观角度看这个日历 AI 助手可以分为四层层级职责技术实现接入层接收用户自然语言输入REST API / 后续可扩展 WebSocketAI 解析层理解用户意图抽取结构化日程信息Spring AI 大模型业务服务层日程创建、查询、删除、冲突检测、提醒计算CalendarEventService数据存储层持久化日历事件和用户信息JPA PostgreSQL / H2整个调用链路的时序如下Controller 接收用户文本 → AiCalendarService 组装 Prompt 并调用大模型 → 大模型返回结构化 JSON → 反序列化为 ScheduleIntent DTO → CalendarEventService 执行业务逻辑 → 返回自然语言结果给用户2.2 功能模块拆分项目按功能拆分为以下几个模块意图解析模块负责识别“创建”“查询”“删除”“修改”等动作。时间解析模块负责把自然语言时间转换成标准时间。日程管理模块负责日程的增删改查。冲突检测模块负责检测新日程与已有日程的冲突。提醒设置模块负责生成提醒时间。对话结果生成模块负责把操作结果转换成用户友好提示。3. 环境准备与项目初始化3.1 开发环境说明我本地的开发环境如下。工具版本/说明JDK17 及以上Spring Boot3.xSpring AI当前最新稳定版数据库开发环境使用 H2生产环境切换 PostgreSQL构建工具MavenIDEIntelliJ IDEA这里要特别强调Spring AI 在 2024 到 2025 年间迭代速度非常快依赖坐标和 API 都有变化。建议你在创建项目时通过 Spring Initializr 选择当前稳定版本或者直接访问 Spring AI 官方文档获取最新配置方式。3.2 Maven 依赖配置在pom.xml中引入核心依赖。parent groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-parent/artifactId version3.3.x/version relativePath/ /parent dependencies !-- Web 支持提供 REST API -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency !-- JPA 持久化 -- dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-jpa/artifactId /dependency !-- Spring AI OpenAI 模块不同版本依赖坐标可能有差异 -- dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-openai-spring-boot-starter/artifactId version1.0.0/version /dependency !-- 开发环境使用 H2 数据库 -- dependency groupIdcom.h2database/groupId artifactIdh2/artifactId scoperuntime/scope /dependency !-- PostgreSQL 驱动生产环境使用 -- dependency groupIdorg.postgresql/groupId artifactIdpostgresql/artifactId scoperuntime/scope /dependency /dependencies3.3 配置文件在application.yml中配置数据源和模型参数。spring: application: name: calendar-ai-assistant datasource: url: jdbc:h2:mem:calendar_db;DB_CLOSE_DELAY-1 driver-class-name: org.h2.Driver username: sa password: jpa: hibernate: ddl-auto: update show-sql: true ai: openai: api-key: ${OPENAI_API_KEY} base-url: ${OPENAI_BASE_URL:https://api.openai.com} chat: options: model: gpt-4o-mini temperature: 0.2 server: port: 8080这里有三个重要设计点temperature设置为 0.2目的是降低大模型输出的随机性。日程解析是强逻辑任务不需要太多“创造性”。API Key 通过环境变量注入不要写在代码或配置文件中。如果你使用的是国内大模型服务或私有化部署模型只需要修改base-url和model即可其他代码不变。4. 数据模型设计4.1 日程表结构日历事件是系统中的核心实体我设计了以下字段。CREATE TABLE calendar_event ( id VARCHAR(64) PRIMARY KEY, user_id VARCHAR(64) NOT NULL, title VARCHAR(200) NOT NULL, description TEXT, start_time TIMESTAMP NOT NULL, end_time TIMESTAMP NOT NULL, rrule VARCHAR(128), reminder_minutes INT, status VARCHAR(20) DEFAULT ACTIVE, source VARCHAR(20) DEFAULT AI, created_at TIMESTAMP, updated_at TIMESTAMP );各字段含义如下字段说明id事件唯一 ID使用 UUIDuser_id所属用户title日程标题description日程详细描述start_time / end_time日程开始和结束时间rrule重复日程规则如FREQWEEKLY;BYDAYMOreminder_minutes提前多少分钟提醒statusACTIVE / CANCELLEDsource来源AI / MANUALcreated_at / updated_at创建和更新时间4.2 JPA 实体类在CalendarEvent.java中定义实体类。package com.example.calendarai.entity; import jakarta.persistence.*; import java.time.LocalDateTime; Entity Table(name calendar_event) public class CalendarEvent { Id private String id; Column(name user_id, nullable false) private String userId; Column(nullable false) private String title; Column(columnDefinition TEXT) private String description; Column(name start_time, nullable false) private LocalDateTime startTime; Column(name end_time, nullable false) private LocalDateTime endTime; private String rrule; Column(name reminder_minutes) private Integer reminderMinutes; private String status; private String source; public CalendarEvent() { } public CalendarEvent(String id, String userId, String title, String description, LocalDateTime startTime, LocalDateTime endTime) { this.id id; this.userId userId; this.title title; this.description description; this.startTime startTime; this.endTime endTime; this.status ACTIVE; this.source AI; this.createdAt LocalDateTime.now(); this.updatedAt LocalDateTime.now(); } // getter / setter 省略实际代码需要补充 public String getId() { return id; } public String getUserId() { return userId; } public String getTitle() { return title; } public LocalDateTime getStartTime() { return startTime; } public LocalDateTime getEndTime() { return endTime; } public String getRrule() { return rrule; } public String getStatus() { return status; } public String getSource() { return source; } }4.3 Repository 层CalendarEventRepository继承了 JpaRepository并自定义查询方法。package com.example.calendarai.repository; import com.example.calendarai.entity.CalendarEvent; import org.springframework.data.jpa.repository.JpaRepository; import org.springframework.data.jpa.repository.Query; import org.springframework.data.repository.query.Param; import java.time.LocalDateTime; import java.util.List; public interface CalendarEventRepository extends JpaRepositoryCalendarEvent, String { Query(SELECT e FROM CalendarEvent e WHERE e.userId :userId AND e.status ACTIVE AND e.startTime :endTime AND e.endTime :startTime) ListCalendarEvent findConflictingEvents(Param(userId) String userId, Param(startTime) LocalDateTime startTime, Param(endTime) LocalDateTime endTime); ListCalendarEvent findByUserIdAndStartTimeBetweenOrderByStartTimeAsc(String userId, LocalDateTime start, LocalDateTime end); }冲突检测的 SQL 条件是已有事件的开始时间早于新事件结束时间并且已有事件的结束时间晚于新事件开始时间。这个重叠条件覆盖了包含、相交、相邻三种情况其中相邻时间不会被认为是重叠。5. 核心功能实现5.1 意图数据结构定义大模型解析完用户输入后需要输出一个结构化的结果。我先定义ScheduleIntent类。package com.example.calendarai.dto; public class ScheduleIntent { // 动作类型CREATE / QUERY / DELETE / UPDATE / CANCEL private String action; // 日程标题 private String title; // 日程描述 private String description; // 开始时间格式 yyyy-MM-dd HH:mm private String startTime; // 结束时间格式 yyyy-MM-dd HH:mm private String endTime; // 重复规则如 FREQWEEKLY;BYDAYMO private String rrule; // 提前提醒分钟数 private Integer reminderMinutes; public String getAction() { return action; } public void setAction(String action) { this.action action; } public String getTitle() { return title; } public void setTitle(String title) { this.title title; } public String getDescription() { return description; } public void setDescription(String description) { this.description description; } public String getStartTime() { return startTime; } public void setStartTime(String startTime) { this.startTime startTime; } public String getEndTime() { return endTime; } public void setEndTime(String endTime) { this.endTime endTime; } public String getRrule() { return rrule; } public void setRrule(String rrule) { this.rrule rrule; } public Integer getReminderMinutes() { return reminderMinutes; } public void setReminderMinutes(Integer reminderMinutes) { this.reminderMinutes reminderMinutes; } }这个类就是一个中间层协议它把大模型的输出和后端业务逻辑解耦开后续即使更换模型也只需要调整 Prompt 和解析逻辑。5.2 Prompt 设计Prompt 是日历 AI 助手的灵魂。设计 Prompt 时我重点做了三件事限定角色该助手只处理日程相关任务。规范输出格式强制要求输出 JSON且字段要和ScheduleIntent对应。给出时间计算规则比如“明天”必须结合系统当前时间计算。创建一个CalendarPrompt工具类。package com.example.calendarai.common; public class CalendarPrompt { public static String systemPrompt() { return 你是一个日程管理助手。你的职责是把用户的自然语言输入转换成结构化日程指令。 当前系统时间{current_time} 请优先识别用户的意图并严格按照 JSON 格式输出不要输出额外解释文字。 动作定义 - CREATE用户想要创建一个新日程。 - QUERY用户想要查询某个时间段的日程。 - DELETE用户想要取消/删除某个日程。 - UPDATE用户想要修改某个日程。 解析规则 1. 如果用户说“明天”“后天”“下周一”等相对时间请基于当前系统时间计算出具体的 yyyy-MM-dd。 2. 如果用户没有指定结束时间默认结束时间为开始时间后 1 小时。 3. 如果用户没有指定开始时间但说了“上午”“下午”请分别对应 09:00 和 14:00。 4. 如果用户描述中包含“每周”“每天”“每个工作日”等表达请生成 rrule 字段格式为 iCal RRULE。 5. 如果用户提到提醒请在 reminderMinutes 字段中填写提前提醒的分钟数。 输出格式如下 { action: CREATE, title: 日程标题, description: 日程描述, startTime: yyyy-MM-dd HH:mm, endTime: yyyy-MM-dd HH:mm, rrule: 重复规则或空字符串, reminderMinutes: 10 } 注意当用户输入不明确时仍按上述 JSON 格式返回并在 description 字段中附加“需要用户确认”的说明。 ; } }5.3 调用大模型解析输入接下来是核心的 AI 调用服务。这里使用 Spring AI 的ChatClient把系统 Prompt 和用户输入组合起来请求大模型。package com.example.calendarai.service; import com.example.calendarai.common.CalendarPrompt; import com.example.calendarai.dto.ScheduleIntent; import com.fasterxml.jackson.databind.ObjectMapper; import org.springframework.ai.chat.client.ChatClient; import org.springframework.stereotype.Service; import java.time.LocalDateTime; import java.time.format.DateTimeFormatter; Service public class AiCalendarParseService { private final ChatClient chatClient; private final ObjectMapper objectMapper new ObjectMapper(); public AiCalendarParseService(ChatClient.Builder chatClientBuilder) { this.chatClient chatClientBuilder.build(); } public ScheduleIntent parseUserInput(String userInput) { String currentTime LocalDateTime.now() .format(DateTimeFormatter.ofPattern(yyyy-MM-dd HH:mm)); String systemPrompt CalendarPrompt.systemPrompt() .replace({current_time}, currentTime); String response chatClient.prompt() .system(systemPrompt) .user(userInput) .call() .content(); // 去除可能的 markdown 代码块标记保留纯 JSON String json cleanJson(response); try { return objectMapper.readValue(json, ScheduleIntent.class); } catch (Exception e) { throw new RuntimeException(AI 解析结果无法转换为日程指令请稍后重试。原始内容 json, e); } } private String cleanJson(String content) { String cleaned content.trim(); if (cleaned.startsWith()) { cleaned cleaned.replaceFirst(^[a-zA-Z]*\\n, ); cleaned cleaned.replaceAll($, ); } return cleaned.trim(); } }5.4 日程业务处理AI 完成解析后真正的业务动作要交给CalendarEventService。这里需要重点处理冲突检测和创建逻辑。package com.example.calendarai.service; import com.example.calendarai.entity.CalendarEvent; import com.example.calendarai.repository.CalendarEventRepository; import org.springframework.stereotype.Service; import org.springframework.transaction.annotation.Transactional; import java.time.Duration; import java.time.LocalDateTime; import java.time.format.DateTimeFormatter; import java.util.List; import java.util.UUID; Service public class CalendarEventService { private final CalendarEventRepository eventRepository; public CalendarEventService(CalendarEventRepository eventRepository) { this.eventRepository eventRepository; } Transactional public CalendarEvent createEvent(String userId, String title, String description, String startTimeStr, String endTimeStr, String rrule, Integer reminderMinutes) { DateTimeFormatter formatter DateTimeFormatter.ofPattern(yyyy-MM-dd HH:mm); LocalDateTime startTime LocalDateTime.parse(startTimeStr, formatter); LocalDateTime endTime endTimeStr null || endTimeStr.isBlank() ? startTime.plusHours(1) : LocalDateTime.parse(endTimeStr, formatter); // 时间有效性校验 if (!endTime.isAfter(startTime)) { throw new IllegalArgumentException(日程结束时间必须晚于开始时间); } // 查询冲突日程 ListCalendarEvent conflicts eventRepository .findConflictingEvents(userId, startTime, endTime); if (!conflicts.isEmpty()) { String conflictTitle conflicts.get(0).getTitle(); throw new IllegalStateException(该时间段与已有日程《 conflictTitle 》冲突请更换时间); } CalendarEvent event new CalendarEvent( UUID.randomUUID().toString(), userId, title, description, startTime, endTime ); event.setRrule(rrule); event.setReminderMinutes(reminderMinutes); return eventRepository.save(event); } }5.5 API 接入层最后写一个 REST Controller对外提供接口。用户只需要发送一句话系统返回创建结果或查询结果。package com.example.calendarai.controller; import com.example.calendarai.dto.ScheduleIntent; import com.example.calendarai.entity.CalendarEvent; import com.example.calendarai.service.AiCalendarParseService; import com.example.calendarai.service.CalendarEventService; import org.springframework.web.bind.annotation.*; import java.util.HashMap; import java.util.Map; RestController RequestMapping(/api/ai/calendar) public class CalendarAiController { private final AiCalendarParseService parseService; private final CalendarEventService eventService; public CalendarAiController(AiCalendarParseService parseService, CalendarEventService eventService) { this.parseService parseService; this.eventService eventService; } PostMapping(/command) public MapString, Object handleCommand(RequestBody MapString, String request) { String userId request.get(userId); String text request.get(text); if (text null || text.isBlank()) { throw new IllegalArgumentException(请输入日程描述); } // 第一步AI 解析自然语言 ScheduleIntent intent parseService.parseUserInput(text); // 第二步根据动作分发到业务逻辑 MapString, Object result new HashMap(); result.put(parseResult, intent); switch (intent.getAction()) { case CREATE - { CalendarEvent event eventService.createEvent( userId, intent.getTitle(), intent.getDescription(), intent.getStartTime(), intent.getEndTime(), intent.getRrule(), intent.getReminderMinutes() ); result.put(message, 日程创建成功 event.getTitle()); } default - result.put(message, 当前版本暂不支持该操作请补充实现); } return result; } }6. 运行与验证6.1 启动项目在 IDEA 中直接运行主启动类或在项目根目录执行命令。mvn spring-boot:run启动后接口默认监听8080端口。开发环境使用 H2 内存数据库方便测试重启后数据会清空。6.2 测试创建日程打开终端使用 curl 模拟用户输入“下周一下午3点与产品团队开版本评审会”。curl -X POST http://localhost:8080/api/ai/calendar/command \ -H Content-Type: application/json \ -d { userId: user001, text: 下周一下午3点与产品团队开版本评审会时长1小时 }返回结果大致如下{ parseResult: { action: CREATE, title: 版本评审会, description: 与产品团队开版本评审会, startTime: 2025-07-07 15:00, endTime: 2025-07-07 16:00, rrule: , reminderMinutes: 10 }, message: 日程创建成功版本评审会 }6.3 测试重复日程和冲突检测再发送一个重复日程请求curl -X POST http://localhost:8080/api/ai/calendar/command \ -H Content-Type: application/json \ -d { userId: user001, text: 每个周一上午10点开项目周会 }核心变化在于解析结果中的rrule字段{ action: CREATE, title: 项目周会, startTime: 2025-07-07 10:00, endTime: 2025-07-07 11:00, rrule: FREQWEEKLY;BYDAYMO, reminderMinutes: 15 }如果我再次请求同一个时间段创建日程系统就会返回冲突提示{ message: 该时间段与已有日程《项目周会》冲突请更换时间 }这个测试验证了整套链路的完整性和业务约束的有效性。7. 项目中遇到的高频问题与解决思路开发过程中我踩过不少坑特别是刚接触 Spring AI 时各种版本差异和解析格式问题很容易让人卡住。下面整理几个高频问题。7.1 常见场景问题现象常见原因解决思路调用大模型一直报 401API Key 配置错误或环境变量未生效检查环境变量是否已设置重启 IDE 或终端返回的 JSON 中带 markdown 代码块标记大模型习惯性输出 json 前缀添加 cleanJson 方法去除多余前缀LocalDateTime 解析失败大模型返回的时间格式不是yyyy-MM-dd HH:mm在 Prompt 中强制指定格式并增加兼容解析时间解析结果与预期偏差系统时间没有正确注入 Prompt大模型使用自身知识计算在 Prompt 的 system 消息中明确传入当前时间冲突检测不生效SQL 条件写反或状态没过滤使用start endTime AND end startTime条件版本更新后找不到 APISpring AI 版本迭代快优先参考官方文档和当前版本的升级指南7.2 时间解析问题时间解析是整个系统中坑最多的地方。比如“明天下午3点”这句话“明天”需要基于当前日期推算出新的日期“下午3点”需要换算成 15:00。如果模型不知道当前时间它可能给出完全错误的结果。所以必须动态把当前系统时间拼进 Prompt。这是最容易忽略但非常关键的设计。7.3 模型返回格式不稳定即使 Prompt 里明确要求输出 JSON大模型偶尔还是会带解释文字。我在解析服务里加了cleanJson方法去掉了常见的 markdown 代码块标记但严谨的工程实现还需要增加“重试机制”如果 JSON 解析失败自动让模型重新生成一次并提示“请只输出合法 JSON”。7.4 重复日程的存储对于重复日程建议不要一开始就去生成所有未来实例而是保存 RRULE 规则。查询某一天日程时再通过 RRULE 展开计算。否则数据量会快速膨胀而且修改一个重复系列会非常麻烦。8. 最佳实践与工程建议当这个项目从“本地 Demo”走向“真实可用工具”时需要补的工程细节还有很多。以下是我认为比较重要的几个方面。8.1 用户体系与权限隔离所有日程数据都必须按userId隔离。接口调用时不要只依赖客户端传入的 userId建议在登录认证后从 Token 中解析用户身份。后续如果要接入 Google Calendar 或企业微信日历OAuth 授权流程也需要绑定到具体的用户。8.2 模型选择与成本控制大模型解析单条消息并不复杂不需要使用过大的模型。gpt-4o-mini这一级别已经足够。如果团队有私有化部署需求也可以通过兼容接口切换到企业内部模型避免把日程数据发送到外部服务。对于高并发场景建议增加异步队列和缓存避免每一条请求都同步等待模型响应。8.3 API Key 与敏感数据安全API Key 务必通过环境变量或配置中心管理绝不能硬编码在代码仓库里。日志输出时需要过滤敏感字段尤其要避免把用户的完整日程描述打印到不必要的日志中。涉及日历数据变更的操作建议加上审计日志记录谁在什么时间修改了哪条日程。这是生产系统的基本要求。8.4 结构化输出的可靠性为了让大模型的输出更稳定可以在 Prompt 中加入“当前系统时间”并在每次请求前做动态替换。还建议在后端增加一个“结果二次校验”层比如开始时间是否为合法日期。结束时间是否晚于开始时间。action 是否为枚举值之一。title 是否非空。如果校验失败直接返回“请补充信息”而不是抛出难懂的异常。8.5 可扩展性设计当前版本只实现了 CREATE 动作。要把它升级为真正的 AI Agent可以把各类日程能力封装成工具方法并通过函数调用方式让模型自主决定调用顺序。比如完整版可以支持这样的对话流用户明天下午3点和产品团队开会帮我定一个会议室 模型调用 findFreeRoom() 查找会议室 模型匹配后调用 createEvent() 创建日程 模型调用 sendInvite() 发送会议邀请这种基于 Function Calling 的架构相比单纯的 JSON 输出解析更接近“AI Agent”的形态也更容易扩展到出差日程、会议纪要、请假审批等场景。9. 下一步扩展方向目前这个日历 AI 助手已经能够在本地完整运行实现了最核心的“自然语言创建日程”功能。但如果想持续迭代我计划从以下几个方向展开。9.1 支持查询和删除新增 QUERY 动作让用户可以通过“这周五我有什么安排”完成日程查询。查询结果可以由助手生成自然语言摘要。9.2 接入主流日历协议将日程数据同步到 CalDAV、Google Calendar 或 Outlook 日历让 AI 助手创建的日程可以出现在用户常用的日历客户端上。9.3 增加多轮对话有些用户先说完日期再补充事件内容。这需要引入会话记忆功能让同一组对话内大模型能记住前文提到的日期信息。9.4 增加自然语言提醒触发通过额外的调度任务扫描当前时间是否到达提醒时间触发 Webhook 或消息推送完成闭环提醒能力。日历 AI 助手的本质不是用大模型替代整个日历系统而是用大模型替代“人脑转译成结构化信息”的中间环节。业务规则依然由代码控制冲突检测必须可靠数据存储必须稳定而大模型只需要负责最擅长的事情理解自然语言。如果你最近也在研究 AI Agent 或 Spring AI 实战可以动手做这样一个小工具。它不像通用聊天机器人那样发散业务边界清晰非常适合作为学习大模型工程化落地的练手项目。你可以在我的基础上直接扩展查询、修改、删除和消息推送功能也可以把模型切换成任何兼容 OpenAI 接口的服务。下一阶段我准备把 Function Calling 和消息推送补全把它做成一个真正可以日常使用的个人日程助理。如果在开发过程中有更好的思路欢迎留言交流。