BedrockAIService 串接了 AWS Bedrock AI 模型，並會依照服務的狀態，自動切換成本地推薦邏輯，根據使用者輸入（prompt）產生飲品推薦，功能如下：
推薦結果封裝
RecommendationResult 用來封裝推薦內容、服務類型（AWS Bedrock 或本地引擎）、以及判斷 Bedrock 是否可用。
// 推薦結果類別，包含推薦內容和服務類型
public static class RecommendationResult {
private String recommendation;
private String serviceType;
private boolean isBedrockAvailable;
public RecommendationResult(String recommendation, String serviceType, boolean isBedrockAvailable) {
this.recommendation = recommendation;
this.serviceType = serviceType;
this.isBedrockAvailable = isBedrockAvailable;
}
// Getters
public String getRecommendation() { return recommendation; }
public String getServiceType() { return serviceType; }
public boolean isBedrockAvailable() { return isBedrockAvailable; }
// Setters
public void setRecommendation(String recommendation) { this.recommendation = recommendation; }
public void setServiceType(String serviceType) { this.serviceType = serviceType; }
public void setBedrockAvailable(boolean bedrockAvailable) { this.isBedrockAvailable = bedrockAvailable; }
}
此類別可以方便後續得知推薦來源與狀態。
Bedrock 客戶端延遲初始化
透過 initializeBedrockClient 方法，根據環境變數（AWS Access Key、Secret Key、Region）動態初始化 BedrockRuntimeClient。若 AWS 憑證未配置，則切換成使用本地推薦邏輯。
// 延遲初始化 Bedrock 客戶端
private synchronized void initializeBedrockClient() {
if (bedrockClient != null) {
return; // 已經初始化過了
}
System.out.println("正在初始化 Bedrock 客戶端...");
System.out.println("AWS Access Key ID: " + (awsAccessKeyId != null ? awsAccessKeyId.substring(0, Math.min(4, awsAccessKeyId.length())) + "..." : "null"));
System.out.println("AWS Region: " + awsRegion);
// 嘗試初始化 Bedrock 客戶端
try {
if (isBedrockConfiguredInternal()) {
AwsBasicCredentials awsCreds = AwsBasicCredentials.create(awsAccessKeyId, awsSecretAccessKey);
this.bedrockClient = BedrockRuntimeClient.builder()
.region(Region.of(awsRegion))
.credentialsProvider(StaticCredentialsProvider.create(awsCreds))
.build();
System.out.println("Bedrock 客戶端初始化成功");
} else {
System.out.println("AWS 憑證未配置，將使用本地推薦引擎");
this.bedrockClient = null;
}
} catch (Exception e) {
System.out.println("Bedrock 客戶端初始化失敗: " + e.getMessage());
this.bedrockClient = null;
}
System.out.println("當前服務類型: " + getCurrentServiceType());
}
// 如果沒有 AWS Bedrock，可以使用這個方法作為備用
public RecommendationResult generateRecommendation(String prompt) {
try {
// 確保 Bedrock 客戶端已初始化
initializeBedrockClient();
// 檢查 AWS 憑證是否已配置和客戶端是否可用
if (!isBedrockConfigured() || bedrockClient == null) {
System.out.println("AWS 憑證未配置或客戶端不可用，使用本地推薦邏輯");
String localRecommendation = generateLocalRecommendation(prompt);
return new RecommendationResult(localRecommendation, "本地推薦引擎", false);
}
String bedrockRecommendation = generateRecommendationWithBedrock(prompt);
return new RecommendationResult(bedrockRecommendation, "AWS Bedrock", true);
} catch (Exception e) {
System.out.println("Bedrock AI 服務調用失敗，使用本地推薦邏輯: " + e.getMessage());
// 如果 Bedrock 失敗，使用本地邏輯生成推薦
String localRecommendation = generateLocalRecommendation(prompt);
return new RecommendationResult(localRecommendation, "本地推薦引擎(Bedrock故障)", false);
}
}
這樣的設計可避免因初始化失敗，而導致服務無法使用，提升穩定性與彈性。
推薦生成邏輯
generateRecommendation 方法會根據 Bedrock 是否可用，選擇呼叫 AWS Bedrock AI（generateRecommendationWithBedrock）或本地推薦（generateLocalRecommendation）。Bedrock 版本會以 Nova Micro 模型，並設定低 token 限制與低溫度參數以節省成本。若 AWS 服務失敗，則自動回退至本地推薦。
private String generateRecommendationWithBedrock(String prompt) {
try {
// 確保客戶端已初始化
if (bedrockClient == null) {
throw new RuntimeException("Bedrock 客戶端未初始化");
}
// 準備請求 - 使用正確的 Nova 模型格式
Map<String, Object> requestBody = new HashMap<>();
// Nova 模型使用 messages 格式 - content 需要是包含 text 對象的陣列
Map<String, Object> textContent = new HashMap<>();
textContent.put("text", prompt);
Map<String, Object> message = new HashMap<>();
message.put("role", "user");
message.put("content", new Object[]{textContent});
requestBody.put("messages", new Object[]{message});
// 將推理參數放在 inferenceConfig 區塊中 - 成本優化設定
Map<String, Object> inferenceConfig = new HashMap<>();
inferenceConfig.put("maxTokens", 200); // 大幅降低 token 限制以節省成本
inferenceConfig.put("temperature", 0.3); // 降低隨機性，提高回應一致性和簡潔性
inferenceConfig.put("topP", 0.7); // 降低創造性，生成更簡潔的回應
requestBody.put("inferenceConfig", inferenceConfig);
String jsonString = objectMapper.writeValueAsString(requestBody);
InvokeModelRequest request = InvokeModelRequest.builder()
.modelId("amazon.nova-micro-v1:0") // 使用最便宜的 Nova Micro 模型 (純文本，最經濟)
.body(SdkBytes.fromUtf8String(jsonString))
.contentType("application/json")
.accept("application/json")
.build();
InvokeModelResponse response = bedrockClient.invokeModel(request);
String responseBody = response.body().asUtf8String();
// 解析回應 - Nova 模型的回應格式
JsonNode jsonResponse = objectMapper.readTree(responseBody);
// Nova 模型的標準回應格式
JsonNode output = jsonResponse.path("output");
if (output.has("message")) {
JsonNode content = output.path("message").path("content");
if (content.isArray() && content.size() > 0) {
return content.get(0).path("text").asText();
}
}
// 備用解析路徑 - 如果格式不同
if (jsonResponse.has("completion")) {
return jsonResponse.path("completion").asText();
}
// 如果都找不到，嘗試從最外層找 text
if (jsonResponse.has("text")) {
return jsonResponse.path("text").asText();
}
throw new RuntimeException("無法解析 Nova 模型回應，回應格式: " + responseBody);
} catch (Exception e) {
throw new RuntimeException("Bedrock AI 服務調用失敗: " + e.getMessage(), e);
}
}
本地推薦邏輯
generateLocalRecommendation 根據 prompt 內容（如「開心」、「累」、「放鬆」等）回傳預設飲品推薦，確保即使雲端服務不可用也能提供結果。
private String generateLocalRecommendation(String prompt) {
// 本地推薦邏輯作為備用方案
if (prompt.toLowerCase().contains("開心") || prompt.toLowerCase().contains("happy")) {
return "基於您開心的心情，我推薦以下飲品：\n\n" +
"1. 🍓 草莓奶昔 - 甜美的草莓味讓好心情加分\n" +
"2. ☕ 焦糖瑪奇朵 - 香甜的焦糖香氣帶來溫暖\n" +
"3. 🥤 氣泡水果茶 - 清爽的氣泡感增添愉悅感\n\n" +
"這些飲品都有甜美的口感，很適合慶祝好心情！";
} else if (prompt.toLowerCase().contains("累") || prompt.toLowerCase().contains("tired")) {
return "感覺到您的疲憊，推薦這些能量飲品：\n\n" +
"1. ☕ 美式咖啡 - 純粹的咖啡因提神醒腦\n" +
"2. 🍵 抹茶拿鐵 - 溫和的咖啡因加上舒緩的抹茶\n" +
"3. 🥤 維他命C果汁 - 補充維生素恢復活力\n\n" +
"建議選擇含咖啡因的飲品來恢復精神！";
} else if (prompt.toLowerCase().contains("放鬆") || prompt.toLowerCase().contains("relax")) {
return "為了幫助您放鬆，推薦這些舒緩飲品：\n\n" +
"1. 🍵 洋甘菊茶 - 天然的放鬆草本茶\n" +
"2. 🥛 溫牛奶 - 經典的安神飲品\n" +
"3. 🍯 蜂蜜檸檬茶 - 溫暖舒緩的口感\n\n" +
"這些飲品都有很好的放鬆效果，適合休息時光！";
} else {
return "基於您的需求，我推薦以下多樣化的飲品選擇：\n\n" +
"1. ☕ 拿鐵咖啡 - 經典的咖啡飲品\n" +
"2. 🍵 烏龍茶 - 清香的茶類選擇\n" +
"3. 🥤 鮮榨柳橙汁 - 健康的果汁選項\n\n" +
"這些都是受歡迎的飲品，相信您會喜歡！";
}
}
推薦 prompt 建構
buildRecommendationPrompt 會根據使用者輸入、心情、偏好，組合出結構化 prompt：
public String buildRecommendationPrompt(String userInput, String mood, String userPreferences) {
StringBuilder prompt = new StringBuilder();
prompt.append("您是一個專業的飲品推薦助手。請按照以下格式推薦2-3種適合的飲品：\n\n");
prompt.append("您的輸入：").append(userInput).append("\n");
// 改進的心情檢查邏輯 - 排除 null、空字串、"undefined"、"null" 等無效值
if (isValidMood(mood)) {
prompt.append("檢測到的心情：").append(mood).append("\n");
}
if (userPreferences != null && !userPreferences.trim().isEmpty() && !userPreferences.equals("undefined")) {
prompt.append("您的偏好：").append(userPreferences).append("\n");
}
prompt.append("\n請按照以下格式回應（繁體中文）：\n");
prompt.append("總結分析：[簡短分析您的需求]\n\n");
prompt.append("推薦飲品：\n");
prompt.append("1. [飲品名稱] - [一句話推薦理由]\n");
prompt.append("2. [飲品名稱] - [一句話推薦理由]\n");
prompt.append("3. [飲品名稱] - [一句話推薦理由]\n\n");
prompt.append("請確保飲品名稱清晰明確，避免過度描述。\n");
return prompt.toString();
}
方便 AI 產生標準化過得回應格式。
AI 回應解析
parseStructuredAIResponse 會解析 AI 回應：
// 解析結構化AI回應，提取推薦和理由
public static class ParsedAIResponse {
private String analysis;
private List<DrinkRecommendation> recommendations;
public ParsedAIResponse(String analysis, List<DrinkRecommendation> recommendations) {
this.analysis = analysis;
this.recommendations = recommendations;
}
public String getAnalysis() { return analysis; }
public List<DrinkRecommendation> getRecommendations() { return recommendations; }
public static class DrinkRecommendation {
private String name;
private String reason;
public DrinkRecommendation(String name, String reason) {
this.name = name;
this.reason = reason;
}
public String getName() { return name; }
public String getReason() { return reason; }
}
}
// 解析結構化的AI回應
public ParsedAIResponse parseStructuredAIResponse(String aiResponse) {
if (aiResponse == null || aiResponse.trim().isEmpty()) {
return new ParsedAIResponse("", new ArrayList<>());
}
String analysis = "";
List<ParsedAIResponse.DrinkRecommendation> recommendations = new ArrayList<>();
// 提取總結分析部分
Pattern analysisPattern = Pattern.compile("總結分析[：:](.*?)(?=推薦飲品|$)", Pattern.DOTALL);
Matcher analysisMatcher = analysisPattern.matcher(aiResponse);
if (analysisMatcher.find()) {
analysis = analysisMatcher.group(1).trim();
}
// 提取推薦飲品部分 - 支持多種格式
Pattern recommendationPattern = Pattern.compile(
"(?:^|\\n)\\s*(?:[0-9]+[.)、]|[一二三四五六七八九十][.)、]|[⭐🍹☕🍵🥤🥛]?)\\s*([^\\n-]+?)\\s*[-–—]\\s*([^\\n]+)",
Pattern.MULTILINE
);
Matcher recMatcher = recommendationPattern.matcher(aiResponse);
while (recMatcher.find() && recommendations.size() < 5) {
String drinkName = recMatcher.group(1).trim();
String reason = recMatcher.group(2).trim();
// 清理飲品名稱
drinkName = drinkName.replaceAll("^[⭐🍹☕🍵🥤🥛\\s]+", "");
drinkName = drinkName.replaceAll("[，,。\\s]*$", "");
if (!drinkName.isEmpty() && !reason.isEmpty()) {
recommendations.add(new ParsedAIResponse.DrinkRecommendation(drinkName, reason));
}
}
// 如果沒有找到結構化推薦，嘗試簡單的列表格式
if (recommendations.isEmpty()) {
Pattern simplePattern = Pattern.compile(
"(?:^|\\n)\\s*(?:[0-9]+[.)、]|[⭐🍹☕🍵🥤🥛]?)\\s*([^\\n]+)",
Pattern.MULTILINE
);
Matcher simpleMatcher = simplePattern.matcher(aiResponse);
while (simpleMatcher.find() && recommendations.size() < 5) {
String line = simpleMatcher.group(1).trim();
if (line.length() > 2 && !line.startsWith("基於") && !line.startsWith("推薦")) {
String drinkName = line.split("[-–—,，]")[0].trim();
String reason = "根據您的需求推薦";
if (line.contains("-") || line.contains("–") || line.contains("—")) {
String[] parts = line.split("[-–—]", 2);
if (parts.length > 1) {
drinkName = parts[0].trim();
reason = parts[1].trim();
}
}
recommendations.add(new ParsedAIResponse.DrinkRecommendation(drinkName, reason));
}
}
}
return new ParsedAIResponse(analysis, recommendations);
}
提取提取推薦和理由。
Bedrock 狀態判斷
isBedrockConfigured 及 getCurrentServiceType 用來判斷 AWS Bedrock 是否可用，並回報目前服務類型。
// 檢查 AWS Bedrock 是否可用 (內部使用，避免遞迴)
private boolean isBedrockConfiguredInternal() {
return awsAccessKeyId != null && !awsAccessKeyId.trim().isEmpty() && !awsAccessKeyId.equals("your-access-key") &&
awsSecretAccessKey != null && !awsSecretAccessKey.trim().isEmpty() && !awsSecretAccessKey.equals("your-secret-key") &&
awsRegion != null && !awsRegion.trim().isEmpty();
}
// 檢查 AWS Bedrock 是否可用
public boolean isBedrockConfigured() {
// 確保初始化
if (bedrockClient == null) {
initializeBedrockClient();
}
return isBedrockConfiguredInternal() && bedrockClient != null;
}
// 獲取當前使用的服務類型
public String getCurrentServiceType() {
return isBedrockConfigured() ? "AWS Bedrock" : "本地推薦引擎";
}
整體 BedrockAIService，能夠讓 AWS Bedrock 服務在不能正常使用的狀況下，仍然透過切換至本地推薦引擎提供飲品推薦，並支援回應結構化解析，方便前端顯示。
iThome鐵人賽
看影片追技術