摘要：提示词是大模型交互的关键工具，DeepSeek API将其分为四大角色：System（设定AI边界）、User（用户提问）、Assistant（AI响应）和Tool（外部服务桥接）。提示词模板通过结构化设计提升复用性，如故事生成示例所示，采用占位符实现动态内容输出。文中还展示了Java流式响应实现和Record类格式化输出，体现提示词在优化AI交互效率和输出规范化方面的重要作用。（149字）

本文介绍了阿里云百炼平台的AI服务功能，包括文生图API调用、语音合成和向量数据库应用。通过代码示例展示了如何利用ImageModel生成图片并返回URL，以及使用SpeechSynthesisModel实现文本转语音并保存为MP3文件。还解释了向量化的概念，将文本/音频/视频转化为数值向量进行比较，并介绍了RedisStack作为向量数据库的解决方案，用于存储和检索高维向量数据。文章提供了相关A

本文介绍了AI工具调用(ToolCalling)和MCP模型上下文协议。ToolCalling允许大模型通过API与外部工具交互，增强功能但不直接调用工具，而是由应用程序执行并返回结果。文章演示了如何通过SpringAI配置工具类（如获取时间），并使用ChatModel进行工具调用。随后讲解了MCP协议，它能解决多微服务调用问题，类似于统一的Type-C接口协议。文章提供了本地MCP调用的实现步骤

Claude Code Skills生态实操指南摘要 本文详细介绍了Claude Code Skills生态系统的使用指南，主要包含四个部分： 前置准备：强调版本要求（v2.1.0+）、网络优化（HTTPS地址和Git代理配置）和安全原则（只安装高星开源插件）。 安装方式： 插件市场安装（推荐）：通过CLI包管理，支持自动更新 本地手动安装：适合离线环境和私有定制 插件汇总：分类介绍官方市场、社区

摘要：RAG（检索增强生成）技术通过将外部数据与LLM结合，解决了大模型的上下文限制和知识静态问题。LangChain提供三种RAG模式：两步RAG、代理RAG和混合RAG。RAG流程包含加载、索引、存储、查询和评估五个阶段，其中索引分为向量存储索引和摘要索引两种类型。多路召回机制通过并行使用不同检索策略（如语义检索、关键词匹配）并融合结果（如RRF算法），有效提升检索精度。分块策略（固定长度、语

Claude Code Skills生态实操指南摘要 本文详细介绍了Claude Code Skills生态系统的使用指南，主要包含四个部分： 前置准备：强调版本要求（v2.1.0+）、网络优化（HTTPS地址和Git代理配置）和安全原则（只安装高星开源插件）。 安装方式： 插件市场安装（推荐）：通过CLI包管理，支持自动更新 本地手动安装：适合离线环境和私有定制 插件汇总：分类介绍官方市场、社区

摘要：RAG（检索增强生成）技术通过将外部数据与LLM结合，解决了大模型的上下文限制和知识静态问题。LangChain提供三种RAG模式：两步RAG、代理RAG和混合RAG。RAG流程包含加载、索引、存储、查询和评估五个阶段，其中索引分为向量存储索引和摘要索引两种类型。多路召回机制通过并行使用不同检索策略（如语义检索、关键词匹配）并融合结果（如RRF算法），有效提升检索精度。分块策略（固定长度、语

本文介绍了阿里云百炼平台的AI服务功能，包括文生图API调用、语音合成和向量数据库应用。通过代码示例展示了如何利用ImageModel生成图片并返回URL，以及使用SpeechSynthesisModel实现文本转语音并保存为MP3文件。还解释了向量化的概念，将文本/音频/视频转化为数值向量进行比较，并介绍了RedisStack作为向量数据库的解决方案，用于存储和检索高维向量数据。文章提供了相关A

本文介绍了使用Redis 7和Spring AI框架实现文本向量化存储和RAG(检索增强生成)的技术方案。主要内容包括：1)通过Docker部署Redis 7并配置文本向量化服务；2)使用Spring AI的EmbeddingModel将文本转化为向量存入RedisStack；3)实现RAG功能解决大模型知识局限问题，包括文档索引构建、向量存储和检索流程；4)代码示例展示了控制层接口实现和重复数据

本文介绍了ollama本地大模型部署与Spring AI集成方案。通过ollama可在本地运行大模型（如7B约8G），默认端口11434。文章详细讲解了Spring AI中ChatModel和ChatClient的配置与区别，展示了两者的API调用方式，并重点介绍了流式输出技术，通过Flux实现SSE推流，提升长文本响应体验。最后提供了多模型调用方案，演示了如何配置和使用不同大模型（如DeepSe