DeepChat → DeepWork：从聊天工具到数字员工的技术重构

# application.yml
spring:
  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY}  # 从环境变量读取，别硬编码
      chat:
        options:
          model: qwen-plus
          temperature: 0.7

// ChatController.java
@RestController
@RequestMapping("/api/chat")
public class ChatController {

    private final ChatClient chatClient;

    public ChatController(ChatClient.Builder builder) {
        // Builder 模式，方便后续挂 Advisor 和 Tool
        this.chatClient = builder.build();
    }

    @PostMapping
    public String chat(@RequestBody String userMessage) {
        return chatClient.prompt()
                .user(userMessage)
                .call()
                .content();
    }
}

// 向量存储配置
@Bean
VectorStore vectorStore(EmbeddingModel embeddingModel, JdbcTemplate jdbcTemplate) {
    return PgVectorStore.builder(jdbcTemplate, embeddingModel)
            .dimension(1536)          // 和你用的 Embedding 模型维度对齐
            .tableName("deepwork_vectors")
            .initializeSchema(true)   // 首次启动自动建表
            .build();
}

-- Flyway 迁移脚本：V1__init_pgvector.sql
-- 确保扩展已安装（Supabase 默认已开启）
CREATE EXTENSION IF NOT EXISTS vector;

-- PgVectorStore 的 initializeSchema=true 会自动建表，
-- 但如果你要自定义字段或索引，可以手动写：
CREATE TABLE IF NOT EXISTS deepwork_vectors (
    id        UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    content   TEXT,
    metadata  JSONB,
    embedding VECTOR(1536)
);

-- HNSW 索引，检索性能的关键
CREATE INDEX IF NOT EXISTS deepwork_vectors_idx
    ON deepwork_vectors USING hnsw (embedding vector_cosine_ops);

src/main/resources/db/migration/
├── V1__init_pgvector.sql
├── V2__create_agent_config.sql
├── V3__add_workspace_table.sql

# application.yml - Flyway 配置
spring:
  flyway:
    enabled: true
    locations: classpath:db/migration
    baseline-on-migrate: true   # 已有数据库时首次启用 Flyway 需要

// Agent 配置示例：带工具调用的数字员工
@Bean
ChatClient agentClient(ChatClient.Builder builder,
                       VectorStore vectorStore,
                       TaskTool taskTool) {

    return builder
            .defaultAdvisors(
                // 1. RAG 仍然在，但作为 Agent 的一个工具而非唯一路径
                new QuestionAnswerAdvisor(vectorStore),
                // 2. 可以挂更多 Advisor：日志、限流、记忆等
                new SimpleLoggerAdvisor()
            )
            .defaultTools(taskTool)  // 注册自定义工具
            .defaultSystem("""
                你是 DeepWork 数字员工助手。
                当用户提出任务时，先判断需要哪些工具：
                - 查内部文档：使用向量检索
                - 创建/查询任务：使用 task 工具
                - 不确定时，先检索再行动，不要直接编造答案。
                """)
            .build();
}

// 自定义工具：让 Agent 能操作业务系统
@Component
public class TaskTool {

    @Tool(description = "创建一个工作任务，参数：标题、描述、优先级")
    public String createTask(String title, String description, String priority) {
        // 实际实现调用你的任务管理 API
        return "任务已创建: " + title + " (优先级: " + priority + ")";
    }

    @Tool(description = "查询指定状态的任务列表")
    public String listTasks(String status) {
        // 实际实现查询数据库或外部系统
        return "待办任务: 3条; 进行中: 2条";
    }
}

# docker-compose.yml - 最小启动
services:
  postgres:
    image: pgvector/pgvector:pg16
    environment:
      POSTGRES_DB: deepwork
      POSTGRES_PASSWORD: ${DB_PASSWORD}
    ports:
      - "5432:5432"
    volumes:
      - pgdata:/var/lib/postgresql/data

  deepwork:
    image: deepwork:latest   # 替换为实际镜像名
    environment:
      SPRING_AI_DASHSCOPE_API_KEY: ${DASHSCOPE_API_KEY}
      SPRING_DATASOURCE_URL: jdbc:postgresql://postgres:5432/deepwork
      SPRING_DATASOURCE_PASSWORD: ${DB_PASSWORD}
      SPRING_FLYWAY_BASELINE_ON_MIGRATE: true
    depends_on:
      - postgres
    ports:
      - "8080:8080"

volumes:
  pgdata: