【腾讯位置服务开发者征文大赛】基于 Spring Boot + 腾讯地图 + AI 的自然语言地图推荐与轻行程规划助手

作者: LayJustDoIt 发布时间: 已于 2026-04-12 23:07:16 修改
来源: https://blog.csdn.net/ly123963/article/details/160089384

有时候我会觉得，地图产品其实已经很强了，但还有一个地方始终不太顺手：它很会找点，但不一定真的懂人。真实生活里的需求，往往不是“搜咖啡馆”“搜公园”这么简单，而是“我想找一个适合独自办公两小时、离地铁近一点的咖啡馆”，或者“周末想和朋友吃饭再散步，帮我安排一个轻松点的路线”。基于这个想法，我做了一个自然语言地图推荐与轻行程规划助手，用 Spring Boot 组织后端链路，结合 AI 的自然语言理解能力与腾讯地图的空间展示能力，把一句更像人话的需求，落成一个可视化、可理解、可执行的结果页。

一、为什么想做这个项目

最近这段时间，我一直在想一件事：地图搜索能不能更懂“场景”一点。

平时我们用地图，大多数时候还是在输入关键词。比如搜“咖啡馆”“火锅”“公园”“地铁站”。但真实生活里的需求，很少这么短平快。我们更常说的是：

• 我在望京附近，想找一个适合独自办公两小时的咖啡馆，最好离地铁近一点。

• 周末想在国贸附近和朋友吃饭再散步，时间大概下午到晚上，人均 150 左右，帮我规划一个轻松点的路线。

你会发现，用户真正表达的是一个完整场景，而不是一个孤立关键词。所以这次我做的，不是“更强的关键词搜索”，而是一个更像真实生活的地图助手。

二、项目想解决什么问题

这个 Demo 的目标很克制，不追求做成大而全的平台，而是先把最小闭环跑通：

自然语言输入 → AI 解析需求 → 推荐地点 → 生成推荐理由 → 腾讯地图展示 → 输出轻量行程建议

我更看重的不是把功能堆得多复杂，而是验证这件事：一句更像人话的需求，能不能被系统接住，并落成一个真正可用的结果页。

三、整体技术方案

整个系统我大致拆成五层：

1. 输入层：接收用户自然语言需求。 2. 解析层：把一句话拆成结构化意图，如位置、类别、场景、偏好、预算等。 3. 候选地点层：根据意图拿到候选地点。 4. 推荐生成层：生成推荐理由和轻行程建议。 5. 展示层：把结果组织成页面，并在腾讯地图上做真实点位展示。

项目技术栈并不复杂：Java 8、Spring Boot、Thymeleaf、原生 HTML/CSS/JS，再加上腾讯地图 JavaScript API。这里我没有上复杂前端框架，主要是想尽快做出一个能跑通的 demo。

四、两个真实演示场景

为了让 Demo 更像真实项目，我固定了两个最容易让人代入的场景。

场景 A：望京咖啡馆办公推荐   用户输入：“我在望京附近，想找一个适合独自办公两小时的咖啡馆，最好离地铁近一点。” 系统会解析出：城市=北京、位置=望京、类别=咖啡馆、场景=独自办公、偏好=安静/离地铁近，然后返回几个候选地点，并补一段推荐理由，告诉用户为什么推荐这些点。

场景 B：国贸吃饭 + 散步轻行程   用户输入：“周末想在国贸附近和朋友吃饭再散步，时间大概下午到晚上，人均 150 左右，帮我规划一个轻松点的路线。” 这个场景更接近日常生活，因为它不是找一个点，而是找一个顺下来的安排。系统会先解析组合需求，再返回餐饮点、散步点、推荐顺序，并用地图把空间关系表达出来。

五、页面效果预览及演示 Demo

下面这几张图，是当前版本已经跑通后的真实页面效果。第一张是首页空态，第二张是场景 A 的结果页，第三张是场景 B 的结果页。从页面上能看到：输入区、解析结果、推荐地点、推荐理由、腾讯地图展示以及轻行程规划。

图 1 项目首页空态：用户可以直接输入自然语言需求，或点击两个示例场景按钮快速体验。

图 2 场景 A 结果页：望京咖啡馆办公推荐，页面展示了解析结果、推荐地点卡片以及真实腾讯地图底图。

图 3 场景 B 结果页：国贸吃饭 + 散步轻行程，系统给出地点组合、推荐理由以及更接近真实生活的路线表达。

📹 嵌入式视频: https://live.csdn.net/v/embed/521356

演示 demo

六、开发过程里最有代表性的几个坑

1）Java 8 兼容性问题   AI 生成 Java 代码时，经常会顺手写出 var、Map.of()、List.of()、readAllBytes() 这些写法，但项目环境还是 Java 8，这一块一开始就修了不少。

2）资源文件读取问题   Prompt 模板放在 resources 下面，本地开发时不一定暴露问题，但一打包成 JAR，读取方式如果偷懒，很容易失效。后面这里也专门修过一轮。

3）Thymeleaf 模板和 JSON 注入   看起来是个轻页面，实际上模板变量注入、前端 JSON 输出、条件渲染这些地方特别容易踩坑。页面没完全崩，但地图初始化、交互逻辑都可能被带坏。

4）腾讯地图接入时 API 版本混用   这是最典型的坑。一开始地图区域一直空白，最后排查发现根因不是后端，不是数据，而是前端把地图 SDK 和 API 写法混用了。统一成匹配版本后，底图和 Marker 才真正正常显示出来。

七、为什么最后一定要接入真实腾讯地图

其实一开始我用的是一个“模拟地图展示区”来跑通逻辑。那一版也能演示，也能截图，但总感觉差一点意思。因为这个项目本身就是“AI + 地图”，如果地图部分只是静态模拟面板，说服力始终不够。

后面补上腾讯地图真实接入之后，差别非常明显：页面更像产品，结果更有空间表达能力，录屏时也更容易让人理解这不是概念图，而是真正跑起来的 Demo。对这个项目来说，真实地图底图和 Marker 的价值，远大于再加几层页面装饰。

八、总结

这次我做的这个“自然语言地图推荐与轻行程规划助手”，本质上是一个小而完整的实战 Demo。它做的事情并不夸张，但我觉得很有意思：用自然语言接住真实需求，用 AI 做意图理解，用推荐结果承接场景，用腾讯地图做空间表达，再用轻量行程规划把结果串起来。

从工程复杂度上看，它不是最难的项目；但从方向验证的角度，我反而觉得它挺有价值。至少它说明了一件事：地图体验，不一定非要从关键词开始，完全可以从一句更像人话的需求开始。

后续优化方向

• 接入更真实的地点搜索与筛选能力
• 补强路线规划表达，而不仅是简单顺序连线
• 增加更多生活化场景，如约会、遛弯、临时办公、带娃等
• 继续优化 AI 输出，让推荐理由更像一个真正会沟通的助手

欢迎在评论区聊聊，你觉得“自然语言地图助手”最适合落地到哪些场景？

比如约会路线、探店、遛娃、周末短途、出差临时规划，或者你觉得更有意思的方向。