探索Google Actions的Java世界:非官方Java SDK
请注意:本项目已废弃,Google已经推出了官方的Java库。建议您转而使用官方库进行开发。
即便如此,我们仍可以回顾一下这个曾经试图填补Java开发者在构建Google助手和Home应用空白的项目。这是一个非官方的Google Actions Java SDK,为那些习惯于Android开发且希望复用已有Java代码的开发者提供了可能性。
项目简介
Google Actions Java SDK是一个概念验证项目,旨在让Java开发者能够利用Google Assistant平台的能力,创建语音交互的应用。它基于Node.js官方库,但并不是简单的复制,而是力求与Google的对话协议(Conversational Protocol)保持完全兼容。
技术剖析
项目分为两个模块:
- Assistant Actions Java SDK:处理与Google Actions兼容的请求和响应。
- Assistant Actions Java Sample:提供示例,展示如何在AppEngine Java项目中使用该SDK,目前包括一个能够欢迎用户并重复语句的Servlet示例。
应用场景
这个SDK最适合用于扩展或替代现有移动应用的语音界面。例如,你可以为你的Android应用添加一个Google Home的接口,使得用户可以通过自然语言与之互动。
项目特点
尽管处于早期阶段,但这个SDK已经足够处理基础的Google Assistant通信。即使功能有限,由于响应基于Conversational Protocol,开发者也可以手动构建RootResponse对象以应对任何限制。同样,RootRequest对象也应该能反映出Google Actions发送的所有数据。
为了使用这个SDK,你需要实现ResponseHandler接口并将其实例传递给AssistantActions构造函数。然后,通过RequestHandlerFactory来配置意图映射,将请求委托给适当的处理器。
以下是一个简单的使用示例:
AssistantActions assistantActions =
new AssistantActions.Builder(new AppEngineResponseHandler(response))
.addRequestHandlerFactory(StandardIntents.MAIN, new MainRequestHandlerFactory())
.addRequestHandlerFactory(StandardIntents.TEXT, new TextRequestHandlerFactory())
.addRequestHandlerFactory(StandardIntents.PERMISSION, new MyPermissionRequestHandlerFactory())
.build();
assistantActions.handleRequest(request);
部署到Google Cloud后,你可以使用Web模拟器进行测试,观察应用在Google Assistant上的表现。
结论
虽然这个项目不再维护,但它展示了Java开发者如何以自己的方式接入Google Assistant的世界。如果你曾经对使用Java构建Google Assistant应用感兴趣,那么这个项目的历史和背后的思路可能会对你有所启发。现在,转向官方的Java库是更明智的选择,它们提供了更多支持和更新保障。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00