在 Rokid 智能眼镜上开发 AI 天气应用的技术方案。主要实现了三个核心功能：一是通过 GPS 和高德逆地理编码实现自动定位，支持“这里天气”等指令；二是构建多轮对话上下文工程，处理续播意图如“那边呢”；三是接入 Claude API 进行 AI 旅游规划，根据天气生成个性化建议。文中提供了完整的 Kotlin 代码示例，包括 LocationHelper、ConversationContext 和 AiTravelPlanHelper 类，并总结了直辖市地址解析、语义识别错误及 LLM 延迟控制等踩坑经验。
本篇在 AiWeatherActivity（AI 语音查天气）基础上扩展，整体数据流如下：
| 新建文件 | 职责 |
|---|---|
| LocationHelper.kt | GPS + 高德逆地理编码 |
| ConversationContext.kt | 多轮对话上下文（含 5 分钟 TTL） |
| AiTravelPlanHelper.kt | Claude API 旅游规划 |
| 文件 | 创新点 |
|---|---|
| AiIntentParser.kt | + GPS 触发词 + 续播意图解析 + 城市库扩充 |
| WeatherViewHelper.kt | + tv_travel_plan 控件 + generateTravelPlanUpdateJson() |
| AiWeatherActivity.kt | 串联 GPS / Context / TravelPlan 完整调用链 |
用户说完'这里的天气'不想等 5 秒。缓存位置最多偏差几公里，对天气查询完全够用。
class LocationHelper(private val context: Context) {
interface LocationCallback {
fun onCityCode(adcode: String, cityName: String, districtName: String)
fun onError(reason: String)
}
fun getCurrentCityCode(callback: LocationCallback) {
if (!hasLocationPermission()) {
callback.onError("缺少定位权限")
return
}
val manager = context.getSystemService(Context.LOCATION_SERVICE) as LocationManager
val lastKnown = getLastKnownLocation(manager)
if (lastKnown != null) {
reverseGeocode(lastKnown.latitude, lastKnown.longitude, callback)
} else {
requestSingleUpdate(manager, callback)
}
}
@SuppressLint("MissingPermission")
private fun getLastKnownLocation(manager: LocationManager): Location? =
listOf(GPS_PROVIDER, NETWORK_PROVIDER, PASSIVE_PROVIDER).mapNotNull {
runCatching { manager.getLastKnownLocation(it) }.getOrNull()
}.maxByOrNull { it.time }
private fun reverseGeocode(lat: Double, lon: Double, callback: LocationCallback) {
// 注意：高德 API 格式是 "经度，纬度"（lon 在前）
val url = "$REGEO_URL?location=$lon,$lat&key=$API_KEY&extensions=base&output=JSON"
// OkHttp 调用 ...
// 解析响应
val component = json.getJSONObject("regeocode").getJSONObject("addressComponent")
val adcode = component.optString("adcode")
// 坑：直辖市 city 字段为空，需取 province
val city = component.optString("city").ifEmpty { component.optString("province") }
val district = component.optString("district")
callback.onCityCode(adcode, city, district)
}
}
在 AiIntentParser 里加一批触发词，识别「天气」类意图：
private val LOCATION_KEYWORDS = listOf("这里", "附近", "当前", "我这", "这边", "当前位置", "我在哪", "这里的")
// 返回特殊常量 INTENT_LOCATION，交给 Activity 分支处理
const val INTENT_LOCATION = "__LOCATION__"
fun isLocationIntent(text: String): Boolean {
val hasLocation = LOCATION_KEYWORDS.any { text.contains(it) }
val hasWeather = text.contains("天气") || WEATHER_KEYWORDS.any { text.contains(it) }
return hasLocation && hasWeather
}
Activity 侧处理分支：
private fun processRecognizedText(text: String) {
val intent = intentParser.parseWeatherIntent(text, conversationContext)
when {
intent == null -> {
updateStatus("未识别到查询意图，请说「XXX 天气」或「这里天气」")
notifyAiError()
}
intent == AiIntentParser.INTENT_LOCATION -> handleLocationIntent()
else -> queryWeather(intent, intentParser.getCityNameByCode(intent))
}
}
private fun handleLocationIntent() {
checkLocationPermission {
locationHelper.getCurrentCityCode(object : LocationHelper.LocationCallback {
override fun onCityCode(adcode: String, cityName: String, districtName: String) {
val name = if (districtName.isNotBlank()) "$cityName$districtName" else cityName
queryWeather(adcode, name)
}
override fun onError(reason: String) {
notifyAiError()
}
})
}
}
data class ConversationContext(
val lastCityCode: String? = null,
val lastCityName: String? = null,
val turnCount: Int = 0,
val lastQueryTimeMs: Long = 0L
) {
companion object {
private const val CONTEXT_TTL_MS = 5 * 60 * 1000L // 5 分钟
}
fun isValid(): Boolean = lastCityCode != null && (System.currentTimeMillis() - lastQueryTimeMs < CONTEXT_TTL_MS)
fun advance(cityCode: String, cityName: String): ConversationContext = copy(
lastCityCode = cityCode,
lastCityName = cityName,
turnCount = turnCount + 1,
lastQueryTimeMs = System.currentTimeMillis()
)
}
为什么设 5 分钟 TTL？其实就是经验估计：5 分钟内的续问大概率是连续对话；超过 5 分钟放下手机再拿起来，基本是新话题，不应复用旧上下文。
private val CONTINUATION_KEYWORDS = listOf("那呢", "那边", "那里呢", "那边呢", "再查", "继续", "再来一次", "重新查")
private fun parseContinuationIntent(text: String, ctx: ConversationContext): String? {
// 形态 1：续播词 → 直接复用上次城市
if (CONTINUATION_KEYWORDS.any { text.contains(it) }) return ctx.lastCityCode
// 形态 2：只有城市名，没有天气关键词（「福州呢」）→ 切换城市
val hasWeather = WEATHER_KEYWORDS.any { text.contains(it) }
if (!hasWeather) {
val cityCode = extractCityCode(text)
if (cityCode != null) return cityCode
}
return null
}
三种典型场景对照：
| 用户说 | 解析结果 |
|---|---|
| 「福州呢」 | 形态 2：切换到福州 |
| 「那边呢」 | 形态 1：复用上次城市 |
| 「再查一次」 | 形态 1：同城市重查 |
| 「明天北京天气」 | 正常解析：北京（不走续播） |
Activity 侧每次成功查询后更新上下文：
// queryWeather 成功回调中：
conversationContext = conversationContext.advance(cityCode, cityName)
用规则也能生成简单建议：
if (temp < 10) "适合室内景点"
else if (weather.contains("雨")) "建议带伞，推荐室内博物馆"
else "户外景点和公园都适合"
问题在于这是死的。同样是 25 度、晴天：北京故宫需要建议避开人流高峰；杭州西湖需要推荐骑行路线；三亚应该提醒防晒。LLM 能感知城市的旅游特色、气候背景，给出有地域差异的个性化旅游建议，这是规则系统做不到的。
class AiTravelPlanHelper {
companion object {
private const val API_URL = "https://api.anthropic.com/v1/messages"
private const val CLAUDE_API_KEY = "YOUR_CLAUDE_API_KEY"
private const val MODEL = "claude-haiku-4-5-20251001"
}
interface TravelPlanCallback {
fun onTravelPlan(plan: String)
fun onError(reason: String)
}
fun getTravelPlan(
city: String, temp: String, weather: String, wind: String, humidity: String,
callback: TravelPlanCallback
) {
val systemPrompt = "你是一个专业的旅游规划助手，根据天气数据为用户生成简洁的中文旅游建议。" +
"要求：语气自然友好，不超过 80 字，直接给建议，包含 1-2 个当地特色景点推荐，不要重复天气数据。"
val userMessage = "城市：$city，气温：${temp}°C，天气：$weather，" +
"风力：$wind，湿度：${humidity}%，请给出旅游建议。"
val requestBody = JSONObject().apply {
put("model", MODEL)
put(, )
put(, systemPrompt)
put(, JSONArray().apply {
put(JSONObject().apply {
put(, )
put(, userMessage)
})
})
}.toString()
request = Request.Builder()
.url(API_URL)
.addHeader(, CLAUDE_API_KEY)
.addHeader(, )
.addHeader(, )
.post(requestBody.toRequestBody(.toMediaType()))
.build()
client.newCall(request).enqueue( : Callback {
{
body = response.body?.string() ?:
plan = JSONObject(body).getJSONArray().getJSONObject().optString()?.trim()
(plan != ) callback.onTravelPlan(plan)
callback.onError()
}
{
callback.onError()
}
})
}
}
「不要重复天气数据」这条约束很关键——用户刚听完 TTS 播报了天气，建议里再说「当前北京 25 度晴天，推荐去故宫」是纯粹的信息冗余。选 claude4.5 而不是更强的模型，是因为这个场景对「聪明程度」要求不高，对延迟的要求更高：用户说完天气查询，天气 TTS 结束后 2 秒内最好就能听到旅游建议。
private fun queryWeather(cityCode: String, cityName: String) {
weatherApiHelper.getWeatherForecast(cityCode, object : WeatherApiHelper.WeatherCallback {
override fun onSuccess(response: WeatherApiResponse) {
val live = response.lives?.firstOrNull()
val forecast = response.forecasts?.firstOrNull()
// 1. 打开眼镜端 Custom View（旅游规划区初始显示「规划获取中...」）
openGlassCustomView(weatherViewHelper.generateWeatherViewJson(live, forecast))
// 2. TTS 播报天气摘要
sendWeatherTts(weatherViewHelper.generateWeatherTtsText(live, forecast))
// 3. 更新多轮上下文
conversationContext = conversationContext.advance(cityCode, cityName)
// 4. 异步获取 AI 旅游规划（不阻塞天气播报）
if (live != null) fetchAiTravelPlan(live, cityName)
}
override fun onError(error: String) {
notifyAiError()
}
})
}
private fun fetchAiTravelPlan(live: Live, cityName: String) {
val wind = "${live.winddirection ?: ""}${live.windpower ?: ""}".trim()
travelPlanHelper.getTravelPlan(
city = cityName,
temp = live.temperature ?: "--",
weather = live.weather ?: "--",
wind = wind,
humidity = live.humidity ?: ,
callback = : AiTravelPlanHelper.TravelPlanCallback {
{
updateGlassCustomView(weatherViewHelper.generateTravelPlanUpdateJson(plan))
Handler(Looper.getMainLooper()).postDelayed({
sendGlobalTtsContent(plan)
}, )
}
{
updateGlassCustomView(
weatherViewHelper.generateTravelPlanUpdateJson()
)
}
}
)
}
WeatherViewHelper 在原有天气卡片末尾追加分割线和旅游规划控件：
// 分割线
children.put(createTextView(
id = "tv_divider",
text = "─────────────────",
textSize = "10sp",
textColor = "#FF444444",
marginTop = "12dp",
marginBottom = "8dp"
))
// AI 旅游规划占位（成功后 updateCustomView 更新）
children.put(createTextView(
id = ViewIds.TV_TRAVEL_PLAN,
text = "规划获取中...",
textSize = "14sp",
textColor = "#FFFFCC00" // 金色，区别于普通信息
))
仅更新旅游规划的方法：
fun generateTravelPlanUpdateJson(plan: String): String {
val updates = JSONArray()
updates.put(createUpdateAction(ViewIds.TV_TRAVEL_PLAN, "text", plan))
return updates.toString()
}
高德 regeo 接口，北京/上海/天津/重庆的 city 字段是空字符串，城市信息在 province 里：
// 错误写法：val city = component.optString("city") // 北京返回 ""
// 正确写法：val city = component.optString("city").ifEmpty { component.optString("province") }
判断关键是「有没有天气关键词」：
Claude Haiku 响应通常在 1-2 秒。fetchAiTravelPlan 在天气查询成功后立即异步发起，规划播报延迟 2 秒，基本不会与天气 TTS 重叠。如果网络慢可以加 OkHttp 超时：
OkHttpClient.Builder().readTimeout(10, TimeUnit.SECONDS).build()
LocationManager.requestSingleUpdate() 在 API 30+ 被标记废弃，但本项目 minSdk=28，功能完全正常，用 @Suppress("DEPRECATION") 压警告即可。
用户：「这里天气」 → isLocationIntent → INTENT_LOCATION → checkLocationPermission → LocationHelper.getCurrentCityCode → 高德 regeo → adcode=110105（朝阳区） → queryWeather("110105", "北京市朝阳区") → openCustomView（天气卡片，旅游规划区显示「获取中...」） → sendTtsContent（「北京市朝阳区当前天气，温度 25 度，晴...」） → context.advance("110105", "北京市朝阳区") → AiTravelPlanHelper.getTravelPlan → Claude API → updateCustomView（「今天天气舒适，推荐去朝阳公园散步，傍晚可以去三里屯逛逛」） → 2 秒后 sendGlobalTtsContent（「今天天气舒适，推荐去朝阳公园散步，傍晚可以去三里屯逛逛」）
用户：「福州呢」 → parseContinuationIntent → 形态 2，切换到福州 → queryWeather("310101", "福州") ...（同上流程）
用户：「那边呢」 → parseContinuationIntent → 形态 1，复用福州 → queryWeather("310101", "福州") ...
做完这篇，其实有一个更大的问题浮现：眼镜应该做什么？
手机是工具——你主动去用它。眼镜是助手——它在你需要的时候说一句话，然后闭上嘴。
天气 + 旅游是最安全的起点：不打扰、有明确答案、TTS 一句话说完。但如果你想继续探索，以下方向都在这套框架上可以直接延伸：
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online