登录社区云，与社区用户共同成长
邀请您加入社区
大家好，我是冰点，今天我们继续聊SpringAI的基本用法和特性建议先阅读第五篇《RAG 核心原理》和第六篇《文档 ETL 实战》，理解 Embedding 在 RAG 中的角色。本文聚焦 Embedding 与向量库的选型思路；具体客户端初始化方式请结合你当前使用的 Spring AI starter 版本确认。
MVC是ModelViewController的缩写，它是软件工程中的⼀种软件架构设计模式，它把软件系统分为模型、视图和控制器三个基本部分.Spring MVC就是对MVC思想的一种具体实现,此外,SpringMVC还是一个Web框架.所以,SpringMVC关注点有两个:MVC和Web框架.其实我们在之前创建SpringBoot项目的时候,勾选的SpringWeb框架,就是SpirngMVC框架
这篇文章总结了使用Spring AI Alibaba时常见的六大错误及解决方案： JDK版本问题：Spring AI要求JDK 17+，低版本会报错，需升级JDK并配置环境变量 依赖拉取失败：需在pom.xml中添加Spring Milestone仓库配置，国内网络可能需要配置阿里云镜像 API Key无效：检查yml配置、环境变量设置，并确认Key在智谱平台是否有效 模型名称错误：注意模型名严格
Skills（技能） 是 Spring AI Alibaba 中可复用的指令与上下文封装单元，智能体在处理相关任务时可自动发现、按需加载并使用技能。Spring AI Alibaba 通过 SkillRegistry 统一管理技能资源，配合 SkillsAgentHook 实现技能列表注入、read_skill 工具注册，模型可按照渐进式披露策略，仅在需要时加载完整技能内容，大幅提升提示词效率与智
本文系统讲解了电商履约与发货系统的设计要点。文章指出履约不仅是支付后发货，而是包含订单拆单、仓库分配、发货单生成、物流状态回传等完整链路。作者建议将订单状态与履约状态分离，建立订单表、发货单表、发货单明细表和物流轨迹表四层模型，支持拆单、部分发货等复杂场景。关键设计包括发货动作幂等、物流状态分层更新等，避免将订单与履约状态混为一谈。文章还提供了数据库表结构示例和面试回答建议，强调履约系统核心在于订
Spring AI Alibaba RAG 示例演示了如何集成阿里云百炼平台的RAG能力，通过文档导入和智能问答两大核心功能实现检索增强生成。项目将PDF文档自动解析切片后上传至知识库，使AI回答基于检索内容而非训练记忆，有效减少幻觉回答。系统采用分层架构，包含应用层（Spring Boot）和云平台层（阿里云百炼），通过向量化存储和语义检索实现精准问答。部署需Java 17+环境、阿里云API
系统初始仅注入技能元数据（名称、描述、路径），当需要使用某技能时，调用 read_skill (skill_name) 加载完整的 SKILL.md 文档，最后按需访问技能资源、执行绑定工具。"依法成立的合同，受法律保护。通过持续的技术创新和应用拓展，本系统将为企业提供更加智能、高效、可靠的合同审核服务，推动法律科技的发展和应用，为构建法治社会贡献力量。：通过 MCP 工具的 OCR 识别和通义千
最近在项目中需要集成 Ollama 实现 AI 对话功能，选择了 Spring AI 框架。本以为按照官方文档几分钟就能搞定，结果折腾了好几个小时。写下这篇文章，希望能帮助你避开我踩过的坑。Spring AI 是一个用于 AI 工程的应用框架，其目标是将 Spring 生态系统设计原则应用于 AI 领域，如可移植性和模块化设计。支持所有主要 AI 模型提供商（OpenAI、微软、亚马逊、谷歌、Ol
随着 JDK 21 正式发布虚拟线程（Project Loom）稳定版，Spring Boot 4.0 也完成了对虚拟线程的原生适配，无需额外依赖即可快速集成。虚拟线程采用 M:N 调度模型，可实现成千上万个虚拟线程复用少量平台线程，彻底解决了传统平台线程 1:1 映射带来的资源瓶颈问题，大幅提升应用并发处理能力。但在实际生产环境中，很多开发者仅完成虚拟线程的基础开启配置，未对stack-size
网上那些“请作为XX专家按照XX格式输出”的模板，不是说没用，但Claude其实不需要。直接说你要解决什么问题、你遇到了什么困难、你想要什么效果，它理解得更深。我试过对比：用专业模板写“请提供前端代码实现以下功能”，和用大白话说“我有个烦恼，每次整理笔记都要手动调格式，你帮我写个工具”。后者出来的代码，细节考虑得更周到。回到标题：这篇是Claude使用教程吗？我觉得是。只不过我没教你怎么注册、怎么
本文是《Spring AI 2.0 弃用智谱 AI》的后续报告。我们进行了三大模型独立对比测试，发现上一份报告对智谱 AI 的分析存在偏差：智谱 AI 失败原因是 免费账户（V0等级）并发限制极低 ，而非 API 不稳定。本次独立测试中， 通义千问和 DeepSeek 均实现 100% 成功率 ，通义千问响应速度最快（6.5s），DeepSeek 性价比最高。智谱 AI 因账户限制数据不可用， 企
本文介绍 Ollama 本地部署后默认开放的 REST 接口，重点讲解/api/tags等 5 个核心 API，涵盖模型查看、文本生成、多轮对话、向量生成及模型详情查询。以SpringAI + Java为实战核心，替换 curl 示例为工程化调用方式，接口简洁通用，可直接用于本地 AI 项目集成，覆盖绝大多数开发场景。
本文是 Java 开发者 AI 转型第三课，聚焦 Spring AI 三大核心角色（System/User/Assistant），详解各角色作用与分工，实操演示如何通过 ChatClient 设置 System 提示词为大模型打造专属人设。同时解析 MaxTokens、Temperature 等 LLM 核心调参技巧，结合代码案例说明参数配置方法，帮助开发者掌控 AI 输出的创造力与严谨度，助力
TCMalloc内存管理机制解析 TCMalloc采用三级缓存架构优化内存分配效率： ThreadCache：线程独享的无锁缓存，处理高频小对象分配 CentralCache：全局共享缓存，需加锁访问，作为ThreadCache的补充 PageHeap：管理大对象内存，直接对接操作系统虚拟内存 核心特点： 小对象（<256KB）优先通过ThreadCache分配，避免锁竞争 中对象（256K
本文介绍了基于Stanford CoreNLP构建酒店智能意图识别系统的实现方案。系统采用Spring Boot 4.0.5和Java 17技术栈，通过Stanford CoreNLP 4.5.10的中文模型实现高效自然语言处理。系统架构包含数字标准化、分词、否定检测和两级匹配引擎等模块，支持退房、续住、打扫等5大酒店场景。关键技术点包括中文Pipeline初始化、两级意图匹配策略（精确匹配95%
Spring AI 2.0 官方宣布弃用智谱 AI，引发国内 Java 开发者广泛讨论。作为专注于 Spring AI 企业级治理的开源项目，Mayfly 团队设计了 6 个压测场景，对智谱 AI 在企业级负载下的真实表现进行了全面测试。
Spring是一个开源框架，它由创建。它是为了解决企业应用开发的复杂性而创建的。Spring使用基本的JavaBean来完成以前只可能由EJB完成的事情。然而，Spring的用途不仅限于服务器端的开发。从简单性、可测试性和松耦合的角度而言，任何Java应用都可以从Spring中受益。Spring是一个轻量级的控制反转(IoC)和面向切面(AOP)的容器框架。JAVA EE应该更加容易使用。
在当今快速发展的技术时代，人工智能（AI）已经成为各行各业的关键驱动力。而作为一种领先的Java应用开发框架，Spring Framework在软件开发领域享有盛誉。下面跟着我一起去了解Spring AI的庐山真面目吧。官网地址如下：https://spring.io/projects/spring-ai#learn文档地址如下：https://docs.spring.io/spring-ai/r
1、 什么是SpringSpring是一个开源框架，Spring是于2003 年兴起的一个轻量级的Java 开发框架，由Rod Johnson 在其著作Expert One-On-One J2EE Development and Design中阐述的部分理念和原型衍生而来。它是为了解决企业应用开发的复杂性而创建的。框架的主要优势之一就是其分层架构，分层架构允许使用者选择使用哪一个组件，同时为 J2
摘要：本文深入解析LLM高并发难题及解决方案，指出传统"加机器"思路对LLM无效。核心优化包括：1）采用vLLM实现连续批处理和PagedAttention，单卡并发提升8倍；2）AWQ量化技术使显存占用减半；3）投机采样提速2-3倍；4）通过模型路由将80%简单请求导向小模型；5）基于GPU利用率的智能扩缩容；6）三级优先级调度确保关键请求即时响应；7）语义缓存减少35%重复
Quartz是一个功能强大的开源任务调度框架，支持复杂的任务调度需求，如任务的持久化、分布式任务管理、基于数据库的调度等。通过Controller提供API接口，这里的TaskService调用了QartzService的对应接口，并做了一个写数据库读写操作，主要记录定时任务状态、执行记录信息的等。通过TaskScheduler，你可以灵活地安排任务的执行时间，并且可以在运行时动态地创建、取消任务
本文深入剖析Spring Security权限控制的核心机制，从默认自动配置的原理出发，系统梳理认证与授权的完整流程。文章详细讲解了UserDetailsService、PasswordEncoder等关键组件的作用，并对比了基于Session的传统认证与基于JWT的无状态方案。同时，探讨了RBAC模型、方法级安全控制及CSRF防护等生产环境必备策略。通过理论与实践结合，帮助读者构建从登录认证到接
Spring Expression Language（SpEL）是一种功能强大的表达式语言，支持在运行时查询和操作对象图。语法类似 OGNL、MVEL 和 JBoss EL，提供了方法调用和字符串模板等便利功能。SpEL 是 Spring 产品组合中表达式评估的基础，但也可以独立使用。在 Spring 系列产品中，SpEL 是表达式计算的基础，实现了与 Spring 生态系统所有产品无缝对接。
Spring 是包含了众多具法的 IoC 容器。Spring 指的是 Spring Framework（Spring 框架），它是个开源框架，Spring 持泛的应场景，它可以让 Java 企业级的应程序开发起来更简单。容器是来容纳某种物品的装置。
Spring R2DBC 模块，是 Spring 生态系统中用于支持反应式编程模型与关系型数据库交互的一个模块R2DBC（Reactive Relational Database Connectivity）是一个基于 Reactive Streams 规范的异步、非阻塞的数据库访问技术，它旨在为现代应用程序提供高性能的数据访问能力，特别是在需要高吞吐量和低延迟的场景下。
Spring Integration是一个开源的Java库，用于构建基于消息的应用程序。它提供了一套丰富的组件和工具，使得开发者可以轻松地开发出可靠、灵活和可扩展的集成解决方案。企业服务总线（ESB）： Spring Integration可以用来构建企业服务总线，它支持各种协议和消息格式，使得不同系统间的数据和事件可以轻松交换。消息传递和解耦： 它支持在不同的应用程序组件之间进行异步消息传递，从
本文针对传统RAG存在的意图识别模糊、知识碎片化及缺乏评测闭环等痛点，提出了一套系统性解决方案：首先，利用**思维链（CoT）驱动的意图识别**，将用户问题分解为多步逻辑查询并行检索，解决了上下文工程中查询不精准的问题；其次，在检索架构上，对比了GraphRAG高昂的构建成本与维护难度，文章重点阐述了**LightRAG**的落地实践，通过实体关系抽取与双层检索范式，在保留图结构优势的同时实现了秒
Spring Web MVC是基于Servlet API构建的Web框架，实现了MVC架构模式。它将系统分为模型(Model)、视图(View)和控制器(Controller)三部分：模型处理数据逻辑，视图负责展示，控制器协调两者交互。Spring MVC通过@RequestMapping注解实现URL路由映射，支持GET/POST等多种请求方式。开发者可通过方法参数接收单个/多个参数，或将参数封
Service// 每批 100 个请求// 分批次处理，避免一次性请求太多触发 API 限流// 创建虚拟线程执行器（Java 21+ 特性）// 为每个文档创建一个并发任务try {// 调用大模型生成摘要.user("请为以下文档生成 200 字以内的摘要：\n" + doc.getContent()).call().content();log.error("处理文档 {} 失败", doc
本文介绍了如何在5分钟内使用Spring AI Alibaba和智谱GLM-4搭建一个聊天应用。主要内容包括： 环境准备：JDK17+和智谱API Key 项目创建：配置Spring Boot 3.x项目，添加Spring AI和智谱模型依赖 配置API Key和模型参数 编写Controller实现聊天功能 使用ChatClient和消息记忆功能实现上下文对话 文章提供了完整的代码示例和配置说明
结构化输出是 AI Agent 工程化落地的核心能力，它让 Agent 摆脱自然语言的模糊性，以固定格式返回数据，应用程序可直接解析使用，无需复杂的文本提取逻辑。
记忆是 Agent 具备持续交互能力的核心，它能让 Agent 记住历史对话、从交互中学习并适应用户偏好。在处理复杂任务与多轮对话时，记忆能力直接决定了 Agent 的执行效率与用户体验。短期记忆的作用是让应用在单个线程/会话内保留历史交互记录，而 thread_id 则实现了同 Agent 下多对话的隔离管理，类似邮件按对话分组的逻辑。
本文设计并实现了一款基于SpringBoot框架的跳蚤市场管理系统。系统采用B/S架构，整合Java语言、VUE框架和MySQL数据库，实现了商品信息管理、交换信息管理、订单处理等功能模块。通过可行性分析验证了技术、经济和法律层面的可行性，并针对用户和管理员不同角色进行需求分析。系统测试表明，该平台能有效提升管理效率，优化用户体验，具有操作简便、响应快速等特点。研究为传统跳蚤市场的数字化转型提供了
MCP（Model Context Protocol）官方Java SDK是Anthropic主导的开放标准协议实现，为企业级AI工具调用提供标准化方案。该SDK采用模块化设计，包含6个Maven模块，核心架构分为四层：Schema层定义协议消息格式，Transport层处理消息传输（支持Stdio、SSE、StreamableHTTP三种方式），Session层管理连接生命周期，Client/S
当 Agent 需要同时调用多个工具时（如查询天气 + 股票 + 新闻），异步模式可以显著减少用户等待时间，提升用户体验。
Agents 将大语言模型(LLM)与工具(Tool)结合，创建具备：任务推理、工具使用决策、工具调用的自动化系统，系统具备持续推理、工具调用的循环迭代能力，直至问题解决。Spring AI Alibaba 提供了基于的生产级 Agent 实现。ReAct（Reasoning and Acting）是一种结合了推理（reasoning）和行动（acting）的方法，旨在提高大型语言模型（LLMs）
以智能保险理赔问答为例：用户提交理赔问题——> AI 预测答复——>高敏感问题调用 HITL 人工坐席协助。
Hook 是宏观扩展点，可访问 Agent 全局状态并提供 Interceptor（微观扩展点），Interceptor 再被注入到 LLM/Tool Node 中包装具体操作调用。
本文是直奔標杆分享的 Java 程序员 AI 转型实战教程，聚焦 Spring AI 环境搭建与 ChatClient 入门。内容涵盖项目初始化、核心依赖引入、API-Key 安全管理，对比 ChatModel 与 ChatClient 差异，用极简代码实现 GPT5.4 对话，还可无缝切换 DeepSeek，助力开发者避开底层开发坑，快速入门 AI Native 开发，倡导共同学习交流。
本文介绍了Spring AI框架中文档ETL处理的核心组件与应用实践，重点讲解了PDF、Word、Markdown等常见文档格式的解析方法。主要内容包括： 文档ETL在RAG系统中的关键作用，涵盖抽取、转换、加载全流程 Spring AI统一文档读取接口体系，支持多种文档格式解析 PDF文档处理详解，包括分页读取、元数据提取和内容过滤 Word文档解析技巧，支持表格内容提取和分页处理 Markdo
项目属性详情项目名称原始模型阿里云 DashScope（通义千问）核心功能基础对话、流式响应、对话记忆、自定义 Advisor服务端口18080开发框架query=写一首诗&temperature=1.2&maxTokens=500"
它标准化了 AI 与外部工具的连接方式，让你的工具可以被任何支持 MCP 的 AI 应用使用。：这是 Java 开发者进入 AI 应用开发的最短路径——基于熟悉的 Spring 生态，无需学习 Python 或前端技术，就能构建生产级的 AI 应用。Graph 是 Spring AI Alibaba 的核心差异化能力，借鉴了 LangGraph 的设计理念，让你用"搭积木"的方式构建复杂的 AI
说实话，LangChain4j 这个框架确实不完美。它的官方文档算不上详尽，有些功能还在 beta 阶段，偶尔会遇到一些意想不到的 bug。但话说回来，作为一个 Java 开发者，能有这样一个原生框架帮我们打通和大模型之间的“最后一公里”，已经是一件很值得庆幸的事情了。我自己的经验是：从最简单的一个 Hello World 开始，先跑通单次对话；然后慢慢引入 ChatMemory 做多轮对话；再试
spring
——spring
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
龙虾开发者社区
2048 AI社区
深开鸿 技术专区
