本文介绍了Spring AI中的查询增强和关联功能，重点解析了RetrievalAugmentationAdvisor和ContextualQueryAugmenter两种增强器的使用。RetrievalAugmentationAdvisor支持文档检索、过滤及查询重写等定制功能，通过示例代码展示了其基本用法。ContextualQueryAugmenter作为空上下文处理器，允许在没有匹配文档时

本文介绍了Spring AI中Prompt的概念及其模板化配置方法，以及如何自定义Advisor拦截器。主要内容包括： Prompt类型：分为用户提示词、系统提示词和助手提示词，分别对应不同角色； 模板化配置：通过PromptTemplate实现提示词的动态替换，支持从文件读取模板； Advisor机制：类似Spring AOP，支持在调用大模型前后进行拦截处理，内置日志、敏感词检测等功能； 自定

本文介绍了AI工具调用的核心机制。工具调用允许AI模型利用外部工具完成特定功能，但调用过程由客户端应用程序控制，确保安全性。文章详细阐述了工具调用的流程：AI分析用户需求后请求工具调用，应用程序执行并返回结果，再由AI生成最终回答。重点解析了工具定义的两种方式（注解式与编程式），以及工具回调接口ToolCallback的核心方法。此外，还介绍了工具上下文ToolContext的信息传递机制和Too

本文基于开源项目Open Manus的源码分析，整理了一个Java版智能体应用的开发框架。主要内容包括： 架构分析：Open Manus采用分层设计，核心模块包括Agent基类、工具层、沙箱环境等 BaseAgent实现：定义了智能体基本属性和运行流程，包括状态管理、记忆机制和核心run方法 ReActAgent扩展：继承BaseAgent并实现ReAct模式，通过think-act分离决策与执行

MCP协议开发与应用摘要 MCP协议旨在统一AI大模型与外部工具/数据源的交互规范，通过标准化接口解决适配碎片化问题。协议采用三层架构：数据层基于JSON-RPC定义通信规范，传输层支持stdio（本地进程通信）和SSE（远程HTTP）两种模式。实际开发中，服务端需引入spring-ai-mcp-server依赖，通过@Tool注解实现工具类开发；客户端通过配置文件连接MCP市场（如阿里云百炼）或

当 from 子句中有子查询时，table列是格式，表示当前查询依赖 id=N 的查询，于是先执行 id=N 的查询。因为一旦范围条件被处理，索引的扫描只能停止在范围条件的位置，因此后面的列（如 position）的条件必须通过其他方式处理，可能会导致索引的部分失效或者需要回表扫描。如果对索引列进行函数计算，例如截取，转换，也就是索引字段发生了改变，则在B+树的数据结构中就无法匹配，导致索引失效。

本文介绍了如何实现Spring AI Alibaba中对话上下文记忆的数据库持久化。主要内容包括： 分析了ChatMemory接口及其默认内存实现InMemoryChatMemory的局限性 提出了数据库持久化方案，设计了包含contextId、message等字段的数据表结构 采用Kryo进行消息对象的序列化/反序列化处理 实现了ChatMemory接口的三个核心方法： add()：将消息追加到

文档过滤和检索，也是RAG的核心特性之一，在进行向量转换和存储之后，需要通过文档过滤和检索，优化大模型回复的准确性。整个文档过滤和检索的过程，可以划分为检索前检索时检索后。

本文介绍了在图库类项目中如何利用阿里云百炼AI进行图片优化操作，重点讲解了AI扩图功能的实现方法。文章首先说明了技术文档的使用注意事项，强调仅限个人学习研究，不得商用或传播版权内容。 核心内容包括： 通过阿里云百炼API实现图像扩展功能，采用异步调用模式（创建任务+轮询结果） 项目实现分为后端任务创建和前端轮询结果两部分 详细代码示例展示了如何调用API： 配置API Key等敏感信息 封装扩图任

本文详细介绍了TCP通信的建立与终止过程。在连接建立阶段，通过三报文握手确认双方的收发能力、协商参数并分配资源：客户发送SYN报文，服务端回复SYN+ACK，客户再回复ACK完成连接。在终止阶段采用四报文挥手释放连接：客户发送FIN报文，服务端回复ACK进入半关闭状态，服务端再发送FIN报文，客户回复ACK后等待2MSL时间确保连接完全关闭。文章还解释了三次握手和四次挥手的必要性，防止历史连接干扰