向量数据库是一种专门用于高效存储、索引和搜索高维向量数据的系统，通过AI模型将非结构化数据转化为向量，实现基于语义的相似性检索。与传统数据库不同，向量数据库无需人工标注即可自动关联语义相似的内容。

共享记忆（MS）框架通过构建多智能体共享记忆池，解决LLM智能体在开放式任务中示例不足、理解有限的问题。该框架将智能体生成的提示-回答对作为可复用记忆存入全局池，通过动态检索和更新机制增强上下文学习能力。核心组件包括记忆生成、写入和检索，确保高质量记忆的积累和精准匹配。实验表明，MS框架能显著提升智能体在文学创作、逻辑推理等任务中的表现，打破记忆孤岛并降低开放式任务门槛，实现系统的持续优化。

上下文工程是优化大语言模型（LLM）动态上下文管理的系统性方法，旨在解决智能体在长时运行中的上下文爆炸和性能衰减问题。核心策略包括卸载、缩减、检索、隔离和缓存上下文，通过外部存储、智能摘要、语义搜索等技术降低Token消耗，提升响应效率。典型应用涵盖研究助手、多模态系统和企业自动化场景。多智能体架构通过任务分解和上下文隔离显著提升性能，但面临注意力分散、工具调用复杂等挑战。未来将聚焦自动化管理、多

RAG系统中查询重写技术通过多策略优化解决用户查询模糊、复杂或依赖上下文的问题。多查询重写生成语义相关的查询变体提升召回率；问题分解将复杂查询拆解为子问题逐个检索；Step-Back策略先检索抽象框架再定位细节；指代消解解决对话中的代词指代问题。四种策略协同应用可显著提升检索效果：召回率提升20-30%，复杂查询准确率提升40-50%，专业查询漏检率降低35-45%，对话场景错误率降低50-60%

SpringAIMCP客户端BootStarter是为SpringBoot应用提供MCP协议客户端自动配置的组件，支持STDIO、SSE和SSEWebFlux三种传输协议，提供SYNC/ASYNC两种客户端类型。具备多实例管理、自动初始化、生命周期管理等核心功能，可与SpringAI工具执行框架集成。通过配置文件可灵活定义连接参数，支持自定义客户端行为，适用于需要与MCP服务器交互的AI应用。组件

多路召回技术通过并行执行多种检索策略（关键词、语义、多模态等），再采用融合算法（RRF、加权排名）生成最终结果，有效解决单一检索的局限性。其架构包含多策略并行检索（稀疏/稠密/多模态）、智能融合算法和动态调优机制。Milvus等工具支持混合检索实现，典型步骤包括数据预处理、索引构建和多路召回执行。该技术优势在于多维度语义覆盖、场景动态适配和成熟工程化落地，适用于医疗、电商等需要高召回率的领域。

摘要：ReAct（推理-行动）是大语言模型智能体实现自主决策的核心范式，通过"思考→行动→反馈"闭环机制，使AI系统具备动态决策、工具集成和适应反馈的能力。该范式包含观察、思考、行动、反馈、状态更新五个步骤，解决了传统LLM在幻觉、工具集成和动态适应等方面的痛点。ReAct适用于复杂问答、任务规划、故障排查等场景，其落地需要合理设计推理Prompt、明确工具参数、设置终止条件和

本文系统分析了大型语言模型(LLM)及其关键技术体系。LLM以超大规模参数和海量训练数据为基础，具备跨领域通用能力和涌现特性，但存在高算力需求。围绕LLM的三大关键技术包括：1）RAG通过检索外部知识库解决模型知识过时和幻觉问题；2）记忆机制分为短期会话记忆和长期知识记忆，实现交互连贯性和个性化；3）智能体(Agent)通过工具调用(MCP)和多智能体协作(A2A)形成自主任务处理能力。这些技术共

Claude Skills 是 Anthropic 推出的模块化AI能力扩展方案，通过"文件系统封装+渐进式披露"机制，为智能体注入标准化领域知识。其核心特点包括：1) 模块化封装元数据、指令和资源三要素；2) 分层加载机制显著降低token消耗；3) 与MCP工具调用协议形成"知识+工具"协同；4) 支持快速构建智能导购等专业应用。该方案解决了传统智能体知

MCP（Model Context Protocol）是一种标准化的大语言模型工具调用交互协议，旨在实现AI工具安全高效地调用本地/远程资源。该协议定义了5个核心角色（主机、客户端、服务器、本地/远程数据源），支持两种实现方式：基于stdio的嵌入式本地调用和基于SSE的远程服务调用。MCP通过@Tool注解封装工具方法，实现与FunctionCall类似但更标准化的功能，特别强调通信协议标准化和