推荐使用Actions on Google Java/Kotlin客户端库构建智能助手应用
谷歌的Actions on Google Java/Kotlin客户端库是一个强大而灵活的工具,它简化了为Google Assistant创建交互式动作的过程,支持Dialogflow和Actions SDK的实现。利用这个库,开发者可以专注于业务逻辑,而不必担心底层请求处理的复杂性。
:warning: 提醒: 对话式动作将于2023年6月13日被弃用。有关更多信息,请查看对话式动作退役公告。
:warning: 注意: 此库适用于Dialogflow和旧版Actions SDK。现在推荐使用Actions Builder或Actions SDK开发、测试和部署对话式动作。
项目简介
Actions on Google Java/Kotlin库提供了一套完整的Maven依赖项,方便在Java 8及以上版本和Kotlin环境中进行集成开发。借助该库,您可以轻松地在IntelliJ IDEA或其他IDE中快速上手,编写和部署Google Assistant动作的后端服务。
- GitHub仓库: https://github.com/actions-on-google/actions-on-google-java
- 参考文档: https://actions-on-google.github.io/actions-on-google-java/
- Actions on Google官方文档: https://developers.google.com/assistant
- 示例项目: https://developers.google.com/assistant/actions/samples
技术分析
该库提供了核心API类,如App接口(处理JSON请求和响应)、DefaultApp(实现了基础请求处理逻辑)、DialogflowApp和ActionsSdkApp(针对Dialogflow或直接从Google Assistant请求的特有实现)以及帮助构建回复的ActionRequest、ActionResponse和ResponseBuilder等。这些类和接口封装了JSON协议,使得组装和处理各种类型的动作响应变得简单直观。
应用场景
此库广泛应用于以下场景:
- 创建与用户自然对话的Google Assistant动作。
- 实现基于Dialogflow的意图处理器,以处理特定的用户输入。
- 利用辅助意图(如请求确认或获取位置信息)来丰富用户体验。
- 构建富媒体响应,如基本卡片、轮播图、列表和SSML语音回复。
项目特点
- 易用性:通过注解驱动的编程模型,您只需定义一个带有
@ForIntent注解的方法即可处理指定的意图。 - 灵活性:支持文本、音频、视觉元素和各种交互模式的组合,为用户提供丰富的交互体验。
- 强大的构建工具:
ResponseBuilder提供了丰富的辅助方法,用于构建包括基本卡、按钮、建议在内的多类型响应。 - 本地调试和单元测试:可配置本地服务器进行调试,并通过Postman等工具发送测试请求。
- 全面的文档和支持:详细的参考文档、社区资源和官方支持,便于问题排查和学习。
要开始您的Google Assistant项目,只需将相关依赖添加到Gradle或Maven文件中,然后按照提供的说明设置项目。别忘了从GitHub上的模板项目入手,以加快开发速度。
立即尝试Actions on Google Java/Kotlin客户端库,构建出令人惊叹的Google Assistant体验!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00