本地部署 Ollama+DeepSeek 模型，验证服务和模型可用；SpringBoot 项目引入 Ollama Starter 依赖，配置base-url和model-name；注入，通过chat()方法实现本地模型调用。

LangChain4J 整合多 AI 模型的核心精髓所有聊天模型均提供统一的chat()方法，调用逻辑完全一致，降低学习成本；DeepSeek 兼容 OpenAI 接口标准，实现「零依赖扩展」，复用现有 OpenAI 整合代码；SpringBoot 场景通过BOM 统一版本 + Starter 自动装配，实现「配置与代码分离」，最大化提升可维护性和扩展性；本地模型（Ollama+DeepSeek-

通过@AiService注解声明 AI 服务，指定聊天模型、记忆提供者，结合@MemoryId实现提示词和会话控制。/*** 硅谷小智（北京协和医院智能客服）核心接口*/wiringMode = EXPLICIT, // 显式绑定模式（精准控制依赖）chatModel = "qwenChatModel", // 指定使用的大模型（如通义千问）chatMemoryProvider = "chatMe

预约业务落地需先完成持久层开发，核心是通过实现 “姓名 + 身份证 + 科室 + 日期 + 时间” 的唯一预约校验；工具类通过@Tool注解标记业务方法，@P注解描述参数，帮助大模型理解参数含义并正确传参；小智 AI 服务通过tools属性绑定工具类后，大模型可自动分析用户指令（如 “预约挂号”），调用对应工具方法并返回自然语言结果，实现 “自然语言交互 → 工具调用 → 业务落地” 的闭环。

*** 自定义小智助手的内容检索器* 步骤：加载文档 → 初始化内存向量库 → 文档分割+向量化+入库 → 构建检索器*/@Bean// 1. 加载本地知识库文档（MD格式，使用默认TextDocumentParser解析）Document doc1 = FileSystemDocumentLoader.loadDocument("E:/knowledge/医院信息.md");

LangChain4j 中通过特定注解配置提示词模板，实现对大语言模型（LLM）的精准指令控制，核心注解包括@MemoryId@V，主要用于定义系统提示、用户输入、会话记忆和参数绑定。// 从资源文件加载系统提示词模板，结合多参数@MemoryId int memoryId, // 会话记忆ID@UserMessage String userMessage, // 用户输入问题@V("userna

依赖层：引入 WebFlux + LangChain4j-Reactor 支撑响应式流式返回；配置层：指定通义千问流式模型的 API 密钥和模型名称；接口层：将 AI 服务和 Controller 的返回值改为，并指定流式模型 / 响应类型；最终效果：后端逐段推送通义千问的回答内容，前端实时接收并展示。

✅ QQ 邮箱 SMTP 配置✅ 多种邮件类型支持（文本、HTML、附件、模板）✅ 完善的异常通知系统✅ 全局异常捕获与邮件告警✅ 邮件发送队列与异步处理✅ 频率限制与健康检查。

网络堵了，TCP 主动减慢发送速度。

通过@AiService注解声明 AI 服务，指定聊天模型、记忆提供者，结合@MemoryId实现提示词和会话控制。/*** 硅谷小智（北京协和医院智能客服）核心接口*/wiringMode = EXPLICIT, // 显式绑定模式（精准控制依赖）chatModel = "qwenChatModel", // 指定使用的大模型（如通义千问）chatMemoryProvider = "chatMe