在前两篇文章里，我们完成了从零到一：第一篇打通了移动端与眼镜端的消息通道，第二篇在眼镜上展示了天气卡片并加入了 TTS 语音播报。
但还有三个短板没有解决：说话要带城市名（不能说「这里天气」）、每次都是全新查询（没有上下文记忆）、播完天气就结束了（没有进一步建议）。本篇解决这三件事，同时也是整个系列的收官实战篇。
如果您有任何疑问、对文章写的不满意、发现错误或者有更好的方法，如果你想支持下一期请务必点赞~，欢迎在评论、私信或邮件中提出，非常感谢您的支持。🙏
那么你将获得
- GPS 自动定位：说「这里天气」自动获取位置，不用报城市名
- 多轮对话：说「上海呢」「那边呢」「再查一次」接续上轮查询
- AI 穿衣建议：接入 Claude API，天气播报后自动追加穿衣/出行建议
- 可直接复制的 Kotlin 代码（LocationHelper、ConversationContext、AiSuggestionHelper）
- 踩坑：直辖市 adcode、续播语义识别、LLM 延迟控制
一、总体流程
本篇在已有的 AiWeatherActivity（AI 语音查天气）基础上扩展，整体数据流如下：
新增三个辅助类，原有文件做对应改造：
| 新建文件 | 职责 |
|---|
LocationHelper.kt | GPS + 高德逆地理编码 |
ConversationContext.kt | 多轮对话上下文（含5分钟TTL） |
AiSuggestionHelper.kt | Claude API 穿衣建议 |
| 改动文件 | 改动点 |
|---|
AiIntentParser.kt | + GPS触发词 + 续播意图解析 + 城市库扩充 |
WeatherViewHelper.kt | + tv_suggestion 控件 + generateSuggestionUpdateJson() |
AiWeatherActivity.kt | 串联 GPS / Context / Suggestion 完整调用链 |
二、功能 A：GPS 自动定位
2.1 实现路径
为什么优先缓存？ 用户说完「这里天气」不想等 5 秒。缓存位置最多偏差几公里，对天气查询完全够用。
2.2 核心代码：LocationHelper.kt
class LocationHelper(private val context: Context) {
interface LocationCallback {
fun onCityCode(adcode: String, cityName: String, districtName: String)
fun onError(reason: String)
}
fun getCurrentCityCode(callback: LocationCallback) {
if (!hasLocationPermission()) {
callback.onError("缺少定位权限")
return
}
val manager = context.getSystemService(Context.LOCATION_SERVICE) as LocationManager
val lastKnown = getLastKnownLocation(manager)
if (lastKnown != null) {
reverseGeocode(lastKnown.latitude, lastKnown.longitude, callback)
} else {
requestSingleUpdate(manager, callback)
}
}
@SuppressLint("MissingPermission")
private fun getLastKnownLocation(manager: LocationManager): Location? =
listOf(GPS_PROVIDER, NETWORK_PROVIDER, PASSIVE_PROVIDER)
.mapNotNull { runCatching { manager.getLastKnownLocation(it) }.getOrNull() }
.maxByOrNull { it.time }
private fun reverseGeocode(lat: Double, lon: Double, callback: LocationCallback) {
// 注意：高德 API 格式是 "经度,纬度"（lon在前）
val url = "$REGEO_URL?location=$lon,$lat&key=$API_KEY&extensions=base&output=JSON"
// OkHttp 调用 ...
// 解析响应
val component = json
.getJSONObject("regeocode")
.getJSONObject("addressComponent")
val adcode = component.optString("adcode")
// ⚠️ 踩坑：直辖市 city 字段为空，需取 province
val city = component.optString("city").ifEmpty {
component.optString("province")
}
val district = component.optString("district")
callback.onCityCode(adcode, city, district)
}
}
2.3 意图解析：新增 GPS 触发词
在 AiIntentParser 里加一批触发词，识别「这里天气」类意图：
private val LOCATION_KEYWORDS = listOf(
"这里", "附近", "当前", "我这", "这边", "当前位置", "我在哪", "这里的"
)
// 返回特殊常量 INTENT_LOCATION，交给 Activity 分支处理
const val INTENT_LOCATION = "__LOCATION__"
fun isLocationIntent(text: String): Boolean {
val hasLocation = LOCATION_KEYWORDS.any { text.contains(it) }
val hasWeather = text.contains("天气") || WEATHER_KEYWORDS.any { text.contains(it) }
return hasLocation && hasWeather
}
Activity 侧处理分支：
private fun processRecognizedText(text: String) {
val intent = intentParser.parseWeatherIntent(text, conversationContext)
when {
intent == null -> {
updateStatus("未识别到查询意图，请说「XXX天气」或「这里天气」")
notifyAiError()
}
intent == AiIntentParser.INTENT_LOCATION -> handleLocationIntent()
else -> queryWeather(intent, intentParser.getCityNameByCode(intent))
}
}
private fun handleLocationIntent() {
checkLocationPermission {
locationHelper.getCurrentCityCode(object : LocationHelper.LocationCallback {
override fun onCityCode(adcode: String, cityName: String, districtName: String) {
val name = if (districtName.isNotBlank()) "$cityName$districtName" else cityName
queryWeather(adcode, name)
}
override fun onError(reason: String) { notifyAiError() }
})
}
}
三、功能 B：多轮对话上下文
3.1 核心数据结构
data class ConversationContext(
val lastCityCode: String? = null,
val lastCityName: String? = null,
val turnCount: Int = 0,
val lastQueryTimeMs: Long = 0L
) {
companion object {
private const val CONTEXT_TTL_MS = 5 * 60 * 1000L // 5分钟
}
fun isValid(): Boolean =
lastCityCode != null &&
(System.currentTimeMillis() - lastQueryTimeMs) < CONTEXT_TTL_MS
fun advance(cityCode: String, cityName: String): ConversationContext =
copy(
lastCityCode = cityCode,
lastCityName = cityName,
turnCount = turnCount + 1,
lastQueryTimeMs = System.currentTimeMillis()
)
}
为什么设 5 分钟 TTL？ 纯粹是经验估计：5 分钟内的续问大概率是连续对话；超过 5 分钟放下手机再拿起来，基本是新话题，不应复用旧上下文。
3.2 续播意图的两种形态
private val CONTINUATION_KEYWORDS = listOf(
"那呢", "那边", "那里呢", "那边呢", "再查", "继续", "再来一次", "重新查"
)
private fun parseContinuationIntent(text: String, ctx: ConversationContext): String? {
// 形态1：续播词 → 直接复用上次城市
if (CONTINUATION_KEYWORDS.any { text.contains(it) }) return ctx.lastCityCode
// 形态2：只有城市名，没有天气关键词（「上海呢」）→ 切换城市
val hasWeather = WEATHER_KEYWORDS.any { text.contains(it) }
if (!hasWeather) {
val cityCode = extractCityCode(text)
if (cityCode != null) return cityCode
}
return null
}
三种典型场景对照：
| 用户说 | 解析结果 |
|---|
| 「上海呢」 | 形态2：切换到上海 |
| 「那边呢」 | 形态1：复用上次城市 |
| 「再查一次」 | 形态1：同城市重查 |
| 「明天北京天气」 | 正常解析：北京（不走续播） |
Activity 侧每次成功查询后更新上下文：
// queryWeather 成功回调中：
conversationContext = conversationContext.advance(cityCode, cityName)
四、功能 C：AI 穿衣建议（Claude API）
4.1 为什么用 LLM 而不是规则
用规则也能生成建议：
if (temp < 10) "建议穿厚外套"
else if (weather.contains("雨")) "建议带伞"
else "穿着舒适即可"
问题在于这是死的。同样是 10 度、小雨：北京会建议穿棉服；深圳的 10 度已经算相对冷了，建议和北京截然不同。LLM 能感知城市的气候背景，给出有地域差异的自然建议，这是规则系统做不到的。
4.2 核心代码：AiSuggestionHelper.kt
class AiSuggestionHelper {
companion object {
private const val API_URL = "https://api.anthropic.com/v1/messages"
private const val CLAUDE_API_KEY = "YOUR_CLAUDE_API_KEY"
private const val MODEL = "claude-haiku-4-5-20251001"
}
interface SuggestionCallback {
fun onSuggestion(suggestion: String)
fun onError(reason: String)
}
fun getSuggestion(
city: String, temp: String, weather: String,
wind: String, humidity: String,
callback: SuggestionCallback
) {
val systemPrompt = "你是一个天气助手，根据天气数据生成简洁的中文穿衣和出行建议。" +
"要求：语气自然友好，不超过50字，直接给建议，不要重复天气数据。"
val userMessage = "城市：$city，气温：${temp}°C，天气：$weather，" +
"风力：$wind，湿度：${humidity}%，请给出建议。"
val requestBody = JSONObject().apply {
put("model", MODEL)
put("max_tokens", 200)
put("system", systemPrompt)
put("messages", JSONArray().apply {
put(JSONObject().apply {
put("role", "user")
put("content", userMessage)
})
})
}.toString()
val request = Request.Builder()
.url(API_URL)
.addHeader("x-api-key", CLAUDE_API_KEY)
.addHeader("anthropic-version", "2023-06-01")
.addHeader("content-type", "application/json")
.post(requestBody.toRequestBody("application/json".toMediaType()))
.build()
client.newCall(request).enqueue(object : Callback {
override fun onResponse(call: Call, response: Response) {
val body = response.body?.string() ?: return
val suggestion = JSONObject(body)
.getJSONArray("content")
.getJSONObject(0)
.optString("text")?.trim()
if (suggestion != null) callback.onSuggestion(suggestion)
else callback.onError("解析失败")
}
override fun onFailure(call: Call, e: IOException) {
callback.onError("网络请求失败: ${e.message}")
}
})
}
}
4.3 Prompt 设计要点
「不要重复天气数据」这条约束很关键——用户刚听完 TTS 播报了天气，建议里再说「当前北京25度晴天，建议穿短袖」是纯粹的信息冗余。
选 claude-haiku-4-5-20251001 而不是更强的模型，是因为这个场景对「聪明程度」要求不高，对延迟的要求更高：用户说完天气查询，天气 TTS 结束后 2 秒内最好就能听到建议。
4.4 与天气查询的串联时序
private fun queryWeather(cityCode: String, cityName: String) {
weatherApiHelper.getWeatherForecast(cityCode, object : WeatherApiHelper.WeatherCallback {
override fun onSuccess(response: WeatherApiResponse) {
val live = response.lives?.firstOrNull()
val forecast = response.forecasts?.firstOrNull()
// 1. 打开眼镜端 Custom View（建议区初始显示「建议获取中...」）
openGlassCustomView(weatherViewHelper.generateWeatherViewJson(live, forecast))
// 2. TTS 播报天气摘要
sendWeatherTts(weatherViewHelper.generateWeatherTtsText(live, forecast))
// 3. 更新多轮上下文
conversationContext = conversationContext.advance(cityCode, cityName)
// 4. 异步获取 AI 建议（不阻塞天气播报）
if (live != null) fetchAiSuggestion(live, cityName)
}
override fun onError(error: String) { notifyAiError() }
})
}
private fun fetchAiSuggestion(live: Live, cityName: String) {
val wind = "${live.winddirection ?: ""} ${live.windpower ?: ""}".trim()
suggestionHelper.getSuggestion(
city = cityName, temp = live.temperature ?: "--",
weather = live.weather ?: "--", wind = wind,
humidity = live.humidity ?: "--",
callback = object : AiSuggestionHelper.SuggestionCallback {
override fun onSuggestion(suggestion: String) {
// 更新眼镜端建议控件
updateGlassCustomView(weatherViewHelper.generateSuggestionUpdateJson(suggestion))
// 延迟 2 秒播报，避免与天气 TTS 重叠
Handler(Looper.getMainLooper()).postDelayed({
sendGlobalTtsContent(suggestion)
}, 2000L)
}
override fun onError(reason: String) {
updateGlassCustomView(
weatherViewHelper.generateSuggestionUpdateJson("建议暂时无法获取")
)
}
}
)
}
4.5 眼镜端 Custom View 新增建议区
WeatherViewHelper 在原有天气卡片末尾追加分割线和建议控件：
// 分割线
children.put(createTextView(
id = "tv_divider",
text = "─────────────────",
textSize = "10sp",
textColor = "#FF444444",
marginTop = "12dp",
marginBottom = "8dp"
))
// AI 建议占位（成功后 updateCustomView 更新）
children.put(createTextView(
id = ViewIds.TV_SUGGESTION,
text = "建议获取中...",
textSize = "14sp",
textColor = "#FFFFCC00" // 金色，区别于普通信息
))
仅更新建议的方法：
fun generateSuggestionUpdateJson(suggestion: String): String {
val updates = JSONArray()
updates.put(createUpdateAction(ViewIds.TV_SUGGESTION, "text", suggestion))
return updates.toString()
}
五、踩坑与排错速查
直辖市逆地理编码返回城市名为空
高德 regeo 接口，北京/上海/天津/重庆的 city 字段是空字符串，城市信息在 province 里：
// 错误写法：
val city = component.optString("city") // 北京返回 ""
// 正确写法：
val city = component.optString("city").ifEmpty {
component.optString("province")
}
续播语义识别错误
判断关键是「有没有天气关键词」：
- 有天气关键词（「北京天气」）→ 走正常解析，不走续播
- 无天气关键词（「北京呢」）+ 有城市名 → 走续播，切换城市
- 续播词（「那边呢」）→ 复用上次城市
AI 建议延迟太长/播报重叠
Claude Haiku 响应通常在 1-2 秒。fetchAiSuggestion 在天气查询成功后立即异步发起，建议播报延迟 2 秒，基本不会与天气 TTS 重叠。如果网络慢可以加 OkHttp 超时：
OkHttpClient.Builder()
.readTimeout(10, TimeUnit.SECONDS)
.build()
requestSingleUpdate 废弃警告
LocationManager.requestSingleUpdate() 在 API 30+ 被标记废弃，但本项目 minSdk=28，功能完全正常，用 @Suppress("DEPRECATION") 压警告即可。
六、完整调用示意（三功能汇总）
用户：「这里天气」
→ isLocationIntent → INTENT_LOCATION
→ checkLocationPermission → LocationHelper.getCurrentCityCode
→ 高德 regeo → adcode=110105（朝阳区）
→ queryWeather("110105", "北京市朝阳区")
→ openCustomView（天气卡片，建议区显示「获取中...」）
→ sendTtsContent（「北京市朝阳区当前天气，温度25度，晴...」）
→ context.advance("110105", "北京市朝阳区")
→ AiSuggestionHelper.getSuggestion → Claude API
→ updateCustomView（「今天天气舒适，建议穿薄外套出行」）
→ 2秒后 sendGlobalTtsContent（「今天天气舒适，建议穿薄外套出行」）
用户：「上海呢」
→ parseContinuationIntent → 形态2，切换到上海
→ queryWeather("310101", "上海") ...（同上流程）
用户：「那边呢」
→ parseContinuationIntent → 形态1，复用上海
→ queryWeather("310101", "上海") ...
七、需要替换的 Key
| 文件 | 常量 | 说明 |
|---|
WeatherApiHelper.kt | API_KEY | 高德天气 Key |
LocationHelper.kt | API_KEY | 同一个高德 Key |
AiSuggestionHelper.kt | CLAUDE_API_KEY | Anthropic API Key |
高德天气和逆地理编码共用同一个 Key（高德开放平台同一应用下权限打通即可）。
八、从这里出发，还能做什么
做完这篇，其实有一个更大的问题浮现：眼镜应该做什么？
手机是工具——你主动去用它。眼镜是助手——它在你需要的时候说一句话，然后闭上嘴。
天气是最安全的起点：不打扰、有明确答案、TTS 一句话说完。但如果你想继续探索，以下方向都在这套框架上可以直接延伸：
- 路况播报：早晨出门前说「今天路况」，调高德交通 API + TTS
- 会议提醒：接入日历权限，到点眼镜自动提醒「15 分钟后有会议」
- 实时翻译：利用
controlScene(CxrSceneType.TRANSLATION) 做实时翻译 - 时间维度续播：「那明天呢」处理预报字段
没了。如果你想支持下一期请务必点赞~，欢迎在评论、私信或邮件中提出任何问题，这对我真的很重要，非常感谢您的支持。🙏
