以下是ChatController.send 方法的全流程介绍。
阶段一：会话管理
1、接收前端传入的 userId、content（用户问题）、conversationId（可选） 2、若 conversationId 为空，则创建新会话：用用户问题前20字符作为临时标题，同步写入数据库 3、异步（虚拟线程）调用 LLM 生成摘要标题，完成后回写数据库更新标题 4、若 conversationId 已有，直接使用
阶段二：消息持久化 & 意图识别
1、将用户消息保存到数据库（chatMessageService.saveUserMessage） 2、调用 IntentRecognitionService 进行意图识别（基于 LLM + 结构化输出），判断用户问题是否与汽车领域相关，并提取实体信息（车型、订单号、故障描述等） 3、若 related=false（非汽车相关问题），走 CommonChatService 通用对话分支，直接返回流式结果 4、若 related=true，进入 RAG 增强检索分支
阶段三：RAG 增强检索（ChatApplicationService.chat）
1、查询改写（KnowEngineQueryTransformer）：用 LLM 对用户问题进行改写优化（简洁改写、抽象改写、错别字纠正、车型标准化），返回改写查询 + 原始查询两个 Query，异步回写改写结果到数据库 2、查询路由（KnowEngineQueryRouter）：用 LLM 判断查询应走哪个数据源： - relational_db → SqlDatabaseContentRetriever（关系型数据库，Text2SQL） - graph_db → Neo4jText2CypherRetriever（图数据库，Text2Cypher） - knowledge_base → ElasticsearchContentRetriever（ES 向量检索 + 全文检索） 3、内容检索：被路由到的 Retriever 执行检索，获取相关 Content 列表 4、内容聚合 + 重排序（ReRankingContentAggregator）：用 BGE-RERANKER ONNX 模型对检索结果进行重排序，选取第一个查询作为重排序参考 5、内容注入（DefaultContentInjector）：根据意图识别结果选择对应 Prompt 模板，将检索内容注入到 Prompt 中
阶段四：流式生成回复
1、构建 KnowEngineChatAiService（含 ChatMemory，窗口10条），调用 streamChat 进行流式对话
2、返回 Flux