用AI自然语言控制设备/场景的实现方案
一、整体架构
你的需求本质上是 NLU（自然语言理解）→ 结构化指令 → 执行。核心是在现有"设备控制 + 规则引擎"能力之上，加一个 AI意图解析层。架构如下：

用户语音/文字
   │
   ▼
[APP / 前端] 采集指令
   │  POST /api/v1/ai/command
   ▼
[AI 指令服务 iot-ai]（新增）
   ├─ 1. 解析输入（语音→文本，已有则跳过）
   ├─ 2. 意图识别 + 槽位填充（LLM / 规则匹配）
   │     识别：意图（开/关/调色温/设温度/启用场景）
   │          目标（客厅开关、离家模式）
   ├─ 3. 实体解析（把"客厅开关"映射到真实 deviceId）
   │     └─ 用 Device.location + deviceName + deviceType 模糊匹配
   ├─ 4. 执行映射（转成 DeviceCommand / 场景动作）
   ├─ 5. 执行 + 鉴权（ownerId 隔离）
   ▼
[现有服务] DeviceController.sendCommand / RuleEngineController.execute


二、核心设计：统一命令编排层（可挂多平台）
由于你们要兼容涂鸦/谷歌/华为/小米多平台（记忆里已规划 IPlatformService），AI 层不应直接调涂鸦，而应调用一个统一执行接口，这样才能做到"自然语言"不绑定平台。

建议在 iot-device 新增 IPlatformService 接口 + 统一编排，AI 层只认标准动作（如 {action:"turn_on", target:"device:xxx"} 或 {action:"execute_scene", scene_code:"leave_home"}），由编排层路由到对应平台的实现类：

public interface IPlatformService {
    String platform();                                   // tuya / google / huawei / xiaomi / local / matter
    List<HomeDevice> getDevices(Long memberId);
    CommandResult controlDevice(Long memberId, String deviceId, List<Command> commands);
    // 场景可复用：每个平台实现自己的场景执行
}


三、关键步骤详解
1. 指令输入（语音）
APP 端用系统语音识别（iOS SFSpeech / Android SpeechRecognizer / 或接入讯飞、腾讯云 ASR），或直接在 uniapp 里用语音插件。
语音转文本后，走同一个文本接口 POST /api/v1/ai/command，语音识别与意图解析解耦。
2. 意图识别 + 槽位填充（两种方案，建议结合）
方案A：LLM 结构化输出（推荐，能力强、好扩展） 调用大模型（GPT / 通义 / 文心，或自建）把自然语言转成 JSON：

code
应用
方案B：本地规则引擎（离线、低延迟、免费） 不依赖大模型时，用"意图模板 + 关键词匹配"：

动词表：开/关/打开/关闭/启动/调高/调低/设置温度到 X 度/切换…
名词表：从 Device 表动态加载（deviceName + location 组合）
例如正则：(打开|开启)的?(客厅|卧室)?\s*(开关|灯|空调) 命中后查库匹配 deviceId
建议：规则模板做兜底，LLM 做主力。LLM 无法匹配的自动降级到规则，两者都失败则返回"未找到设备/请再说一次"。

3. 实体解析（自然语言 → 真实设备ID）⭐ 核心难点
LLM 只给出"客厅开关"这种描述，必须映射到系统里的 deviceId。用 Device 表的字段匹配：

location（客厅/卧室/厨房）→ 位置
deviceName + deviceType（开关/灯/空调）→ 设备类型
用户维度：必须限定 ownerId，防止串号（跨用户控制他人设备是安全问题）
匹配策略（按优先级）：

精确：location + deviceName 完全命中
模糊：别名表 / 分词后包含匹配
多结果：客厅有两个灯 → 返回候选让用户确认（或按主设备默认）
执行层最后生成标准动作：

{ "deviceId": "xxx", "commands": [{"code":"switch_1","value":true}] }
调涂鸦就走 TuyaCloudService.sendCommand(memberId, deviceId, commands)，调本地/其它平台走对应实现。

4. 场景执行（"启用离家模式"）
场景本质是"一组预设动作"，你们已有 linkage_rule 表（RuleEntity 有 ruleName/actions），RuleEngineController.execute 支持手动执行。

推荐做法：

方案①（复用现有）：把"离家模式"建成一条规则，ruleName="离家模式"，actions 存一组关灯/关空调/关窗帘动作，AI 识别到 execute_scene 意图后，按场景名模糊匹配 ruleName，调 POST /api/v1/rules/{ruleId}/execute。
方案②（正式场景表）：新建 scene 表（scene_name, actions JSON, ownerId），AI 命中后调场景服务执行。这个更贴合智能家居"场景"概念，扩展性更好。
四、新增接口（建议）
在 iot-device（或独立 iot-ai 微服务）新增 AI 统一入口：

POST /api/v1/ai/command        // 文本指令 → 执行 → 返回结果
  入参: { "text": "打开客厅开关", "type": "text" }   // type: text/voice
  出参: { intent, matched_device/scene, executed, result, candidateList }

POST /api/v1/ai/devices        // 供 LLM 匹配用的设备清单（带location/name/type）


五、安全与多用户隔离
所有 AI 执行接口都要解析 Token，强制 ownerId 隔离（你们 DeviceController 已实现 member 隔离，AI 层同样套用）。
LLM 返回的动作只能操作当前用户已绑定的设备/场景，不允许传任意 deviceId。
危险动作（如"离家模式"关闭所有）可加二次确认。


六、落地顺序建议
**先做方案B（规则模板）**打通"打开客厅开关"这类固定句式 —— 验证全链路，成本低。
再加 LLM 解析替换模板 —— 支持"离家模式"、复杂参数（"空调调到26度"）。
补多平台抽象层 —— 接入涂鸦后的谷歌/华为/小米（配合已有的 IPlatformService 规划）。
补前端：uniapp 语音输入 + 意图结果展示（已执行的设备/场景、未匹配时的候选确认）。
需要我帮你动手落地的话，告诉我选哪一步，我可以直接实现：

A. 新增 iot-ai 意图解析服务（含 LLM 对接 + 规则模板兜底 + 实体匹配 + 统一执行接口）
B. 只做本地规则模板版（不依赖大模型，先跑通）
C. 新增 scene 场景表 + 场景执行接口（为"离家模式"打基础）
D. 统一多平台 IPlatformService 抽象（涂鸦/谷歌/华为/小米）

---

七、Phase 3 实施进展与 ai.llm 配置说明（当前已落地）

7.1 分层解析架构（已实现）
按"规则为主、大模型兜底"实现于 iot-rule 内（无需独立 iot-ai 服务）：
- L0 规则模板：RuleBasedIntentParser + AiLexicon（内置词库 + 位置扫描），零成本、零延迟、可离线，覆盖"打开客厅开关""启用离家模式""空调调到26度"等高频句式。
- L1 大模型兜底：LlmProviderRouter + QwenLlmProvider（通义千问，OpenAI 兼容协议），仅在 L0 未识别时调用，用于理解复杂/模糊表达。
- 降级策略：LLM 未配置/超时/报错（内部 catch）→ 静默回退 L0 结果，设备控制可用性不受影响。
- 安全：LLM 提示词明确禁止输出设备ID，仅输出语义槽位（意图/动作/房间/品类/数值）；设备ID始终由 AiEntityResolver 按 ownerId 本地匹配，天然防越权与幻觉。

7.2 大模型凭证配置（两种方式，推荐后台页面）

优先级：后台「平台集成」→ 阿里云 > application.yml 的 ai.llm.* > 未配置（仅走 L0 规则模板）。

方式一（推荐，运维友好，无需改配置/重启）：后台管理 → 系统管理 → 平台集成 → 切到「阿里云（通义千问）」标签页
- 填写 DashScope API Key（必填）、模型名称（建议 qwen-turbo）、API 基础地址、超时时间等，保存后打开「启用此平台」开关
- 点击「测试连接」可一次性验证 Key + 模型名 + 基础地址是否正确（内部发一条 max_tokens=1 的极小请求）
- 保存后最多 30 秒自动生效（LlmConfigResolver 本地缓存 30s）
- 存储位置：platform_config 表 platform_code='aliyun'，字段 api_key / model_name / base_url / timeout_ms / region（V13__add_aliyun_platform_config.sql）
- 接口：GET/PUT /api/v1/admin/platform-config/aliyun、PUT .../toggle、POST .../test

方式二（本地开发 / 兜底）：iot-rule/src/main/resources/application.yml
| 配置项 | 默认值 | 说明 |
| --- | --- | --- |
| ai.llm.enabled | false | 总开关，需同时填写 api-key 才生效 |
| ai.llm.provider | qwen | 服务商，当前实现 qwen（OpenAI 兼容协议，便于平移其他厂商） |
| ai.llm.api-key | 空 | 阿里云 DashScope API Key，形如 sk-xxxxxxxx |
| ai.llm.base-url | https://dashscope.aliyuncs.com/compatible-mode/v1 | API 基础地址 |
| ai.llm.model | qwen-turbo | 模型名，可选 qwen-turbo / qwen-plus / qwen-max |
| ai.llm.timeout-ms | 3000 | 连接/读取超时（智能家居对延迟敏感） |
| ai.llm.temperature | 0.0 | 采样温度，指令解析需稳定，建议 0 |

两种方式都未配置时只走 L0，无需任何外部依赖，零成本可离线。

代码映射：
- AiLlmProperties（@ConfigurationProperties(prefix="ai.llm")）：yml 配置
- LlmConfigResolver：合并「后台平台配置」与「application.yml」得到生效配置 LlmConfig，30 秒缓存，异常时静默回退
- LlmProviderRouter 按 provider 名称选实现类，厂商无关（新增厂商只需实现 LlmProvider 并注册 Bean）
- QwenLlmProvider：调用方，baseUrl/超时变化时自动重建 HTTP 客户端
- iot-rule 通过 PlatformConfigMapper（只读）读取 iot-device 维护的同一张 platform_config 表

7.3 AI 指令码来源（ai_device_profile）— 本次新增自动探测
AI 控制需要设备"真实的"DP 指令码（如 switch_1 / switch_led / bright_value），三种来源按优先级：
1. manual（用户校准）：PUT /api/v1/ai/devices/{deviceId}/profile，最高优先级，自动探测不会覆盖（除非 force=true）。
2. auto（状态自动探测，本次新增）：iot-device 调用涂鸦 GET /v1.0/devices/{deviceId}/status，从真实上报的 DP 中识别开关/亮度/色温/温度/模式指令码后写入。比"按设备类型猜测"更准（同型号灯也可能是 switch_led 或 switch_1）。
3. type-default（类型默认）：iot-rule 在无档案时按设备类型推断兜底。

iot-device 侧新增能力：
- 新增 AiDeviceProfileDetectService / AiDeviceProfileMapper / AiDeviceProfile 实体 / AiDeviceProfileDTO（位于 iot-device，因为只有它能访问涂鸦云；iot-rule 侧只读）。
- 识别规则：开关码优先 switch_led > switch > switch_1 > switch_2 > ... > control > power，前缀兜底 switch/control/power/socket；亮度 bright_value（含 bright）；色温 temp_value；温度 temp_set；模式 mode；开关下发值按当前值推断 true/false、on/off、open/close。
- 绑定设备后自动触发异步批量探测（TuyaController 绑定流程，best-effort，不阻塞绑定返回）。
- 新增接口：
    GET  /api/v1/tuya/devices/{deviceId}/ai-profile          查询档案
    POST /api/v1/tuya/devices/{deviceId}/ai-profile/detect   探测并保存（?force=true 可覆盖手动档案）
    POST /api/v1/tuya/ai-profile/detect-all                  批量探测当前用户全部涂鸦设备
- 依赖涂鸦 /status，设备需在线且涂鸦账号已绑定；探测失败保留旧档案，不影响已有控制能力。

7.4 AI 控制接口（iot-rule，已实现）
- POST /api/v1/ai/command：文本指令 → 执行 → 返回可直接语音播报的文案（歧义时返回 needConfirm + 候选，二次确认后自动学习为别名）
- GET  /api/v1/ai/devices：可被 AI 控制的设备清单
- GET  /api/v1/ai/devices/{deviceId}/profile：查询指令码档案
- PUT  /api/v1/ai/devices/{deviceId}/profile：手动校准指令码（source=manual）
- GET  /api/v1/ai/logs：AI 指令日志
仅支持 member 身份（强制 ownerId 隔离）。

7.5 验证情况
- RuleBasedIntentParserTest：12/12 用例通过（以 JUnit Platform 直接运行，规避 Windows 下 surefire fork 的 Manifest-JAR classpath 问题）。
- iot-device 模块 mvn -pl iot-device -am -DskipTests compile 编译通过。
- 环境注意：本机 Windows 下 surefire 因 Manifest-JAR 含绝对路径 / 跨盘符根导致 fork VM 启动失败；官方规避参数为 -Djdk.net.URLClassPath.disableClassPathURLCheck=true（本地/CI 跑 mvn test 时可加上）。

7.6 APP 端（原生 Android）AI 助手 — 本次完善
入口：MainActivity 的 AI 悬浮按钮（btn_ai_float）**单击进入助手页 / 长按直接语音控制**（长按携带 EXTRA_AUTO_VOICE，进页后自动唤起一次识别）；HomeFragment 的 AI 助手按钮（btn_ai_home）→ AiAssistantActivity。
接入方式：Retrofit（ApiService / ApiClient）调用 iot-rule 的 AI 接口，必须用 ApiClient.getSceneApiService()（AI 接口在 9083，不是 9081）。

⚠️ 语音输入的设备兼容性（实测阻塞）：
系统 SpeechRecognizer 依赖设备内置 android.speech.RecognitionService。测试机（ColorOS，PKT110，com.google.android.gms 被禁用且未预装 Google 语音服务）实测：
- pm query-services -a android.speech.RecognitionService → No services found
- am start -a android.speech.action.RECOGNIZE_SPEECH → unable to resolve Intent
因此 isRecognitionAvailable() 返回 false；国内无 GMS 的 ROM 普遍如此。
已实现兜底 fallbackToKeyboard()：检测到无识别服务时 Toast 说明原因，并自动聚焦输入框、拉起软键盘，保证长按后不会"没反应"。

语音方案选型：已接入讯飞「语音听写（流式版）」WebAPI（不引入 SDK/so，纯代码 + wss 长连接，避免下载二进制 SDK）。
识别优先级（APP 端运行时自动选择，无需发版）：后台讯飞（已启用且凭证齐全）> 系统 SpeechRecognizer（可用时）> 键盘兜底。

7.7 讯飞语音听写 · 后台平台集成（本次，凭证不再放 APP 端）
架构：APISecret 只存服务端。APP 长按麦克风 → GET /api/v1/ai/speech/auth（member 身份）领取带签名的临时 wss 地址 → 直连 iat-api.xfyun.cn 流式识别。凭证不下发客户端，签名时效受讯飞约束（约 5 分钟）。

后台配置（运维在管理页维护，无需改代码/重启）：
- 前端「系统管理 → 平台集成」新增第三个平台「讯飞（语音听写）」（frontend/admin/src/views/System/PlatformConfig.vue）
- 字段映射（复用 platform_config 现有列）：access_id=APPID，api_key=APIKey，access_secret=APISecret
- sql/V14__add_xfyun_platform_config.sql 已在本地库执行（id=3，默认停用，填 key 后启用）
- 「测试连接」会真实发起一次 WebSocket 握手验证凭证（凭证错时讯飞在握手阶段返回 401），比仅校验非空可靠
- 分层解析（与 LLM 配置一致）：platform_config(xfyun, enabled=1 且三项齐全) > application.yml 的 ai.xfyun.*（兜底）> 不可用；30 秒缓存自动生效

后端新增/改动：
- iot-common/util/XfyunAuthUtil.java：HMAC-SHA256 鉴权 URL 生成（服务端共用）
- iot-rule/ai/speech/XfyunSpeechProperties / XfyunSpeechConfig / XfyunSpeechConfigResolver：配置解析（仿 LlmConfigResolver）
- iot-rule/controller/AiSpeechController.java：GET /api/v1/ai/speech/auth → { enabled, appId, url }；未启用时 enabled=false，APP 据此回退
- iot-device PlatformConfigService.testConnection：新增 xfyun 分支（WebSocket 握手验证）
- iot-rule application.yml：新增 ai.xfyun 兜底配置段（默认 enabled=false）

APP 端改动（凭证相关代码全部移除）：
- 删除 XfyunConfig / XfyunAuthUtil（不再硬编码凭证、不再本地签名）
- 新增 model/SpeechAuth.java + ApiService.getSpeechAuth()：先领签名地址再识别
- speech/XfyunIatClient.java：start(appId, wssUrl) 接收后端签发的参数；录音/分帧/wpgs 动态修正/自动发送逻辑不变
- ui/AiAssistantActivity.java：startListening() 先调鉴权接口 → enabled ? 讯飞 : startSystemListening()（系统识别/键盘回退）；聆听中再点麦克风可提前结束

接入步骤（运维）：console.xfyun.cn 创建应用 → 开通「语音听写（流式版）」→ 平台集成页填 APPID/APIKey/APISecret → 测试连接 → 启用。最多 30 秒生效。
注意：讯飞要求服务器时间与标准时间偏差小于 5 分钟（签名 date），时间不准会鉴权失败（10161）。

验证：
- 后端 mvn compile / Android assembleDebug / 前端 vue-tsc 全绿
- iot-rule(9083)/iot-device(9081) 已重启加载新接口；GET /api/v1/ai/speech/auth 无 token → 401（鉴权生效）
- platform_config 表已有 xfyun 记录（enabled=0 待填 key）
- 待办：手机插回后安装新 APK 端到端回归；后台填入真实讯飞凭证后验证完整识别链路

新增/改动文件：
- model/AiCommandResult.java：对应 AiCommandResponse，含内部类 Candidate（targetType/targetId/targetName/score）
- model/AiDeviceInfo.java：对应 AiDeviceView
- data/ApiService.java：新增 aiCommand(POST v1/ai/command)、getAiDevices(GET v1/ai/devices)、getAiLogs(GET v1/ai/logs)
- ui/AiAssistantActivity.java：由"本地模拟回复"改为真实链路
- res/layout/item_ai_msg_ai.xml：新增 tv_meta（来源·耗时）与 sv_candidates/ll_candidates（歧义候选）
- res/layout/activity_ai_assistant.xml：新增 tv_status（真实在线状态）、btn_history（指令记录）
- AndroidManifest.xml：新增 <queries> android.speech.RecognitionService（Android 11+ 语音识别包可见性）

关键行为：
- 发指令 → 先插入「思考中」气泡 → 结果回来后就地替换，避免列表跳动；同时置位 sending 防止并发重复下发。
- 解析来源标注：气泡下方展示「由规则模板理解 · 10ms」/「由大模型理解 · 1240ms」，让用户可感知是 L0 还是 L1 生效。
- 歧义二次确认：needConfirm=true 时渲染候选 chip；点选后以「原始说法 + targetType + targetId + learn=true」重新下发，服务端顺势学习别名，下次同样说法可直接命中。

7.3 聚合指令支持（"打开所有灯 / 关闭全部开关"）
- 背景：用户反馈"打开所有灯"未理解，"打开所有开关"只命中了一个名为"2位开关"的设备；智能级别需支持"所有/全部/全屋"批量控制。
- 后端改动：
  - 新增 AiTargetScope（SINGLE / ALL）和 AiIntent.targetScope，规则模板识别"所有/全部/一切/全屋/通通/统统/一律"后把 targetScope 置为 ALL。
  - RuleBasedIntentParser.buildDeviceHint 去掉聚合词，避免"所有开关"被当成单个设备名。
  - AiEntityResolver.matchAll(intent, ownerId)：按房间 + 品类筛选全部可控设备，返回 targetType=device_group，targetId 为逗号分隔的 deviceId 串。
  - AiControlServiceImpl 新增 doExecuteDeviceGroup：拆开 deviceId 串逐一下发，单个失败不影响其他设备，汇总为"好的，已打开「3个灯」"。
  - matched_id 只存 device_group:count（表字段仅 64 字符），matched_name 存"3个灯" / "客厅2个灯"。
- 前端/APP：胶囊里增加「打开所有灯 / 关闭所有开关」等聚合快捷入口。

7.4 快捷建议：在线、常用设备优先
- 背景：用户反馈底端胶囊应展示在线、常用设备，而不是默认前 3 个设备（截图里出现了 DMC162-vdevo1 这类网关/调试设备）。
- 后端：AiDeviceView 增加 status 字段；listControllableDevices 排序：在线(online)优先 → 常用类型(light/switch/socket/air_conditioner/fan/curtain/sensor)优先 → 名称短优先。
- Android：AiDeviceInfo 增加 status/useCount/lastUsedTime；renderSuggestions 按同样规则排序；状态栏从「在线 · 可控设备 N 台」改为「在线 X 台 · 可控设备 N 台」；同时为灯/开关/空调追加聚合建议 chip。

7.5 验证（真实 member 身份端到端）
- 后端 mvn compile / Android assembleDebug / 前端 npm run build 全绿；RuleBasedIntentParserTest 新增 3 个聚合指令用例。
- iot-rule(9083) / iot-device(9081) 已重启加载新接口。
- 待办：测试手机插回后安装新 APK，实测「打开所有灯」「关闭全部开关」批量执行与快捷建议排序。

八、后续可选项
- uniapp 端尚未接入 AI 助手（当前仅原生 Android 已打通，见 7.6）。
- 已知缺陷：member 注册未传 phone 时会写入空串，与 uk_member_phone 唯一索引冲突导致第二个无手机号用户注册失败（本次验证时复现），建议改为不写该列或存 NULL。
- L1 增加多厂商实现（文心 / DeepSeek / 自建）与灰度、降级观测指标。
- ai_device_profile 增加前端可视化校验入口（当前可用涂鸦 GET /status 对照）。
- 多平台 IPlatformService 抽象落地后，AI 执行层改为调用统一编排接口。