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!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00