【项目实战】基于语言大模型的智能居家养老健康守护系统后端：情感陪伴 Agent 开发与全功能测试报告

在本项目中，我独立负责了情感陪伴 Agent模块的开发与验证。该模块通过集成 DeepSeek 大模型，实现了低延迟的 SSE 流式交互，旨在缓解老年人的孤独感与就医焦虑。

以下是针对该核心功能的测试验证与工作量总结。

一、 核心工作量概览

在 AI 模块的开发中，我主要完成了以下核心任务：

1. 流式架构搭建：基于SseEmitter实现了从 DeepSeek API 到前端的端到端流式数据传输。
2. 提示词工程设计：针对老年人心理需求，精心设计并测试了“陪伴”与“陪诊”双模态 System Prompt。
3. 异步性能优化：引入自定义线程池处理长时间挂起的流式连接，防止 Servlet 线程阻塞。
4. 工程化落地：完成了 DTO 验证、异常捕获机制以及自动化集成测试脚本的编写。

二、 AI 组件开发验证结果

1. 接口层验证 (Controller)

通过对EmotionalCompanionController.java的扫描，各项端点符合 RESTful 规范及 SSE 协议要求。

2. 逻辑层实现验证 (Service)

核心业务逻辑位于EmotionalCompanionServiceImpl.java，已确认具备以下能力：

• API 集成：完美对接 DeepSeek-Chat 模型，支持stream=true模式。
• 异常鲁棒性：内置了 30s 请求超时处理与ObjectMapper解析错误捕获。
• 异步调度：配置了专用线程池执行器，支撑高并发下的流式读取。

三、 提示词 (Prompt) 模式测试

为了保证 AI 的回复符合老年人心理预期，我对两种模式的人设进行了专项对齐测试：

模式 A：心理慰藉 (暖心模式)

• 设定目标：提供情感支持，扮演温柔、耐心的后辈。
• 测试表现：AI 能够识别老人的孤独情绪，回复语气亲切，且能主动规避非法医疗建议，引导老人进行正向沟通。

模式 B：陪诊助手 (安心模式)

• 设定目标：整理病症描述，缓解就医紧张。
• 测试表现：AI 能够引导用户按顺序描述症状（发作时间、程度、诱因），并清晰解释心电图、抽血等常见流程，安全性测试中表现良好（不予开方）。

四、 自动化测试覆盖

为确保功能稳定性，我编写了AiFunctionalityTest.java测试套件，覆盖了以下场景：

/** * AI 功能自动化测试覆盖点 */@TestvoidverifyAiComponents(){// 1. 验证控制器 Bean 是否成功初始化// 2. 模拟 Service 层行为，验证流式输出结构// 3. 校验端点在异常 API 密钥下的错误码返回// 4. 验证 Prompt 切换逻辑是否正确识别 mode 字段}

五、 环境配置参考 (application.yml)

项目已通过以下配置实现与生产环境 DeepSeek 接口的打通：

deepseek:api-key:${DEEPSEEK_API_KEY}# 已通过环境变量解耦base-url:https://api.deepseek.commodel:deepseek-chat

六、 测试结论

总结：情感陪伴 Agent 模块已达到准生产状态，能够流畅处理老年人的情感交互需求，整体架构具备良好的扩展性。

开发心得：在实现 SSE 流式响应时，最关键的一点是异步线程池的配置以及对InputStream的逐行非阻塞读取。这不仅能优化用户体验，更能保护后端服务器不被 AI 响应的长连接拖垮。

欢迎评论区交流🚀