本文介绍了Ollama工具的本地大模型部署方法及其在微服务中的应用。Ollama作为类似Docker的大模型管理工具，可通过简单命令部署各类LLM模型。在项目对接方面，详细比较了ChatClient和ChatModel两种API的差异，ChatClient提供更简便的Fluent API，而ChatModel则更灵活但需要更多编码。文章还探讨了SSE流式输出技术及其应用场景，包括两种实现方式，并提

本文介绍了智能体工作流的五种主要模式：1）提示链模式，将复杂任务分解为有序子任务；2）路由分流模式，根据输入类型智能分配任务；3）并行处理模式，同时执行多个子任务；4）协调器-执行者模式，通过中央调度管理多个智能体；5）评估-优化模式，循环迭代提升输出质量。同时阐述了A2A协议作为智能体间协作的标准框架，支持身份认证、能力发现等功能，使不同智能体能够像人类团队一样高效协同工作。这些方法为处理复杂任

本文介绍了智能体的基础概念与关键技术。智能体是能感知环境、自主决策并执行任务的AI系统，具备规划、推理、工具调用等能力。文章将智能体分为三类：反应式、有限规划和自主规划智能体。重点解析了四项核心技术：1）CoT思维链实现逐步推理；2）AgentLoop执行循环机制；3）ReAct模式（推理-行动-观察循环）；4）支持系统（大模型、记忆系统、知识库和工具调用）。这些技术共同构成了具备自主规划能力的智

本文介绍了AI工具调用的概念及其在SpringAI框架中的实现。工具调用允许AI模型借助外部工具完成自身无法处理的任务，如天气查询等。SpringAI通过注解简化工具开发，支持多种调用方式（按需/全局），并采用安全设计确保API访问受控。文章还详细解析了工具底层数据结构、上下文机制和MCP协议（模型上下文协议），包括其架构、核心组件（客户端/服务器）和六大核心概念（资源、提示词、工具等）。MCP作

本文探讨了AI领域的混合检索策略、大模型幻觉问题及RAG应用评估方法。混合检索策略包括并行、级联和动态混合三种方式，针对不同查询需求灵活选择。大模型幻觉表现为事实性、逻辑性和自洽性错误，可通过RAG引入外部知识源、提示工程优化等方法减轻。RAG应用评估关注检索质量（召回率、精确率等）和生成质量（事实准确性等）。文章还介绍了四种高级RAG架构：自纠错RAG、自省式RAG、检索树RAG和多智能体RAG

本文探讨了AI领域的混合检索策略、大模型幻觉问题及RAG应用评估方法。混合检索策略包括并行、级联和动态混合三种方式，针对不同查询需求灵活选择。大模型幻觉表现为事实性、逻辑性和自洽性错误，可通过RAG引入外部知识源、提示工程优化等方法减轻。RAG应用评估关注检索质量（召回率、精确率等）和生成质量（事实准确性等）。文章还介绍了四种高级RAG架构：自纠错RAG、自省式RAG、检索树RAG和多智能体RAG

RAG（检索增强生成）是一种结合信息检索与AI生成的技术架构，通过外部知识库解决大模型的知识时效性和幻觉问题。其核心流程包括：文档收集切割、向量转换存储、文档过滤检索、查询增强生成四个阶段。关键技术涉及Embedding模型将文本转为向量，向量数据库实现高效相似性搜索，以及混合检索策略优化结果。SpringAI框架提供了完整的ETL流程支持和向量存储接口，开发者可通过DocumentReader、

本文介绍了向量化和向量数据库的核心概念与应用。主要内容包括：1）文本向量化嵌入模型的工作原理，将文本转换为向量数组以捕捉语义信息；2）向量数据库的特性和优势，支持高效相似性搜索而非精确匹配；3）RedisStack作为增强版向量数据库的功能扩展；4）RAG（检索增强生成）技术原理及实现案例，通过结合向量数据库和大语言模型解决LLM知识更新和幻觉问题。文章提供了SpringAI集成RedisStac

命令跟docker很类似，ollama pull xxx（大模型）| ollama run xxx（大模型）LLM的在本地部署，默认端口号11434。类似于docker的管理工具，但是是。在项目中pom文件中引入依赖。