AIRecommendationService 是本次系統後端的核心，負責接收使用者輸入與心情，整合多項服務，產生個人化飲品推薦。其主要流程如下：

public RecommendationResponse generateRecommendation(String userInput, String username) {
    try {
        // 1. Guardrails 過濾
        ContentFilterService.ContentFilterResult filterResult =
            contentFilterService.filterContent(userInput);

        if (!filterResult.isValid()) {
            return RecommendationResponse.error(filterResult.getMessage());
        }

        String cleanedInput = filterResult.getCleanedContent();

        // 2. 心情判斷
        MoodDetectionService.MoodDetectionResult moodResult =
            moodDetectionService.detectMood(cleanedInput);

        // 3. 取得使用者偏好
        User user = null;
        String userPreferences = "";
        List<String> favoriteDrinks = new ArrayList<>();
        System.out.println("Request Username for Preferences: " + username);
        if (username != null && !username.isEmpty()) {
            user = userRepository.findByUsername(username).orElse(null);
            if (user != null) {
                userPreferences = userPreferenceService.buildUserPreferencesString(user);
                favoriteDrinks = favoriteDrinkService.getFavoriteDrinkNamesByUser(user.getUsername());
                System.out.println("User Preferences: " + userPreferences);
                System.out.println("Favorite Drinks: " + favoriteDrinks);
            }
        }

        // 4. 生成推薦 prompt
        String prompt = bedrockAIService.buildRecommendationPrompt(
            cleanedInput, moodResult.getDescription(), userPreferences);
        // 5. Bedrock Nova 推薦清單
        BedrockAIService.RecommendationResult aiResult = bedrockAIService.generateRecommendation(prompt);
        String aiResponse = aiResult.getRecommendation();

        if (aiResponse == null || aiResponse.trim().isEmpty()) {
            aiResponse = "AI 正在學習您的偏好，請稍候...";
            System.out.println("警告：AI 回應為空，使用預設回應");
        }

        String moodDescription = moodResult.getDescription();
        if (moodDescription == null || moodDescription.trim().isEmpty()) {
            moodDescription = "中性心情";
            System.out.println("警告：心情描述為空，使用預設值");
        }

        // 6. MySQL 查菜單細節
        List<RecommendationResponse.DrinkRecommendation> recommendations =
            matchMenuItems(aiResponse, moodResult.getMood());

        if (recommendations == null) {
            recommendations = new ArrayList<>();
            System.out.println("警告：推薦列表為 null，初始化為空列表");
        }

        if (recommendations.isEmpty()) {
            recommendations = generateFallbackRecommendations(moodResult.getMood());
            System.out.println("沒有匹配到推薦，使用備用推薦列表");
        }

        // 7. 保存推薦歷史
        if (user != null) {
            saveRecommendationHistory(user, cleanedInput, moodDescription, prompt, aiResponse, recommendations);
        }

        // 8. 處理 AI 回應
        String aiReason = extractAiReason(aiResponse);

        // 9. 回傳 API JSON
        System.out.println("準備回傳:");
        System.out.println("- 用戶輸入: " + cleanedInput);
        System.out.println("- 心情描述: " + moodDescription);
        System.out.println("- AI 回應: " + (aiResponse != null ? aiResponse.substring(0, Math.min(50, aiResponse.length())) + "..." : "null"));
        System.out.println("- AI 理由: " + aiReason);
        System.out.println("- 推薦數量: " + recommendations.size());
        System.out.println("- 服務類型: " + aiResult.getServiceType());
        System.out.println("- Bedrock 可用: " + aiResult.isBedrockAvailable());

        return new RecommendationResponse(cleanedInput, moodDescription, aiResponse, aiReason, recommendations, aiResult.getServiceType(), aiResult.isBedrockAvailable());

    } catch (Exception e) {
        return RecommendationResponse.error("推薦系統發生錯誤：" + e.getMessage());
    }
}

1. Guardrails 過濾：首先呼叫 ContentFilterService，過濾使用者輸入，避免不當內容，並取得清理後的文字。
2. 心情判斷：利用 MoodDetectionService 分析清理後的輸入，判斷使用者當下心情（如開心、疲憊、放鬆等），並取得心情描述。
3. 取得使用者偏好：如果有登入，可以透過資料庫，根據 username 查詢使用者，取得偏好字串與收藏飲品，作為推薦參考。
4. 生成 AI 推薦 Prompt：將使用者輸入、心情描述、偏好等資訊，組合成 prompt，傳給 AI（Bedrock Nova）。
5. AI 產生推薦清單：呼叫 BedrockAIService，取得 AI 回應（推薦飲品及理由），並解析服務類型資訊。
6. 菜單比對與推薦理由增強：將 AI 回應的飲品名稱與本地菜單比對，計算匹配分數，並根據心情與飲品特色增強推薦理由。若 AI 回應不足，會用智能匹配或備用推薦補充。
7. 儲存推薦紀錄：將推薦結果、理由、使用者輸入等資訊存入資料庫，方便日後查詢。
8. 處理 AI 回應：用 extractAiReason 處理 AI 回應，提取描述理由。
9. 回傳 API JSON：最後回傳 RecommendationResponse，包含所有欄位（用戶輸入、心情、AI 回應、AI 理由、推薦清單、服務類型、Bedrock 可用性等）。

讓程式碼經由此服務進行多層次比對、個人化推薦與錯誤處理，確保即使 AI 回應不足，也能給出合理建議。