一、 进展概述近两周项目进入了最核心的业务逻辑开发期。我主要负责了“需求匹配与智能推荐智能体”的开发并完成了高德地图 SDK 的深度集成。目前系统已实现从结构化请求到具体服务点的精准映射并能根据机场实时状态距离、拥挤度、开放时间提供最优路径规划。此外我还优化了“匹配结果页”的交互体验。二、 需求匹配与智能推荐智能体实现这是系统的“决策大脑”我采用了“规则引擎 大模型重排”的双层架构候选召回与规则过滤Rule Layer根据前序智能体输出的结构化字段首先在 MySQL 的 300 服务点数据中进行硬约束筛选。硬约束指标当前时间是否在开放范围内、服务点是否在当前航站楼、路径是否可达。多目标排序与推荐解释LLM Layer将筛选后的 Top 5 候选点及旅客偏好如“人少”、“最近”、“高评价”推给大模型。模型根据区域可达性、拥挤度预测进行排序并生成推荐理由例如“为您推荐此咖啡厅虽然距离多出 50 米但目前排队人数较少适合您 20 分钟后的登机安排”。这种设计既保证了结果的真实性又赋予了交互“人的温度”。三、 地图定位与路径规划集成为了让导览“落地”我完成了与高德开放平台Amap SDK的对接实时定位在主控页与结果页实时获取旅客位置计算旅客与服务点间的步行距离。一键导航在匹配结果页点击“去这里”系统会自动调用地图 SDK 规划机场内部路线并展示预计步行时间。区域可达性判断通过后端逻辑判断目标点是否跨越安检区若跨区则自动弹出风险提示防止旅客产生无效位移。四、 匹配结果与替代方案页面开发在 UI 实现上我完成了“服务匹配结果页”的开发卡片式展示清晰展示 Top 3 候选服务点的名称、区域、距离和匹配度评分。动态替代方案若首选服务点如某餐厅显示为“休息中”或“极度拥挤”页面会自动展示替代方案并注明原因如“首选店已打烊为您推荐距离 100 米的同类店”。反馈闭环用户点击选择某个服务点后该选择将作为“履约任务”存入数据库直接触发下一阶段的提醒预警逻辑。