看过很多使用Cursor，一天完成一个应用的文章或视频，前些日子脑子刚好有一个想法——搭建一个点餐管理系统，便用Cursor完成了前后端的开发。具体功能可以看视频里面的演示。也算是从0到1完成了一个小的项目构建，来说说对它的看法。

上一篇SpringAI入门搭建MCP，学习了一些AI相关的知识，今天在这些知识的基础之上，来做一个小小的应用：搭建一个套餐推荐的Agent。

本文介绍了基于SpringAI框架的MCP（模型上下文协议）开发实践。主要内容包括：1）构建AI Agent的三个关键要素：大模型+提示词定义角色、知识库提供个性化数据、MCP接口实现业务功能；2）开发天气查询MCP服务的完整流程，通过SpringAI将传统REST API包装为MCP服务；3）MCP调试的两种方式。文章通过医美套餐推荐和天气查询两个案例，展示了MCP在简化人机交互流程方面的优势，

学习之前，需要知道什么是MCP（Model Context Protocol，模型上下文协议），官方的解释如下MCP 是一种开放协议，它标准化了应用程序向 LLM 提供上下文的方式。可以将 MCP 视为 AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。我暂时把它理解成

从结果来看，要比预期好很多，最开始的目标是在写单元测试的效率提升 30%，从结果来看是要大于这个预期的。从结果来看就是 Cursor + 提示词，生成单元测试，如果想直接看结果可以直接跳到【四、使用Cursor】，如果想要看看对比，可以一步步往下看。对于各种IDEA插件生成的单元测试来说，几乎就只有手动调试一种方式，主要原因它们对整个代码库理解不是很好，很难对给出的异常做太多的优化。每一次对话，就

这篇文章和【Nominatim】是相呼应的，在尝试了OSM数据一直有问题之后，通过别人的指点是不是可以换个思路，我的数据只需要精确到市级别，也可以不用OSM这样全的数据（主要原因还是OSM太过庞大了）在网上看到有人发布的一个地址解析和逆地址解析的SDK（下面称为 Geo），觉得是个思路，随即进行了数据测试Geo 文档。

这篇文章介绍了如何通过GitLab API实现代码合并流程的自动化。文章分为系统设计和代码开发两部分： 系统设计部分提出了一套自动化合并方案，包含分支校验和合并流程，要求MR满足标签、分支、版本号等条件才能合并。整个流程分为填写MR分支、校验、合并三个步骤。 代码开发部分详细讲解了如何使用gitlab4j-api库实现功能： 查询MR列表及模糊搜索 获取单个MR详情 执行MR合并操作 文中提供了完

Arthas 支持修改每个类的日志级别，这里只演示修改整个系统的日志级别https://arthas.aliyun.com/doc/logger.html。上面的监控虽然很好，但在实际的项目中，我们的访问量很大，我们想要监控某个请求这时候通过参数过滤将会是完美的方案。新的class 加载到JVM 里面去。打印整个栈的信息，太长了感觉没啥用。方法一就没什么好说了，来看方式二。查看当前堆和非堆的内存使

之前写过Nginx负载均衡的配置，详情可以看这里Nginx实现负载均衡Linux版本（六种负载策略）今天来探讨一下当我们有多台服务的时候，其中一台服务挂掉了会怎么样呢？我们使用上文中的思路去搭建一个简单的负载均衡，然后关闭其中一台再来访问，会发现我们的浏览器卡住一直转圈圈，过了很久才会显示结果。由此我们可以得出结论Nginx负载的时候如果其中一台服务挂掉了，它会把请求转发到另一个可以提供服务的机器

从结果来看，要比预期好很多，最开始的目标是在写单元测试的效率提升 30%，从结果来看是要大于这个预期的。从结果来看就是 Cursor + 提示词，生成单元测试，如果想直接看结果可以直接跳到【四、使用Cursor】，如果想要看看对比，可以一步步往下看。对于各种IDEA插件生成的单元测试来说，几乎就只有手动调试一种方式，主要原因它们对整个代码库理解不是很好，很难对给出的异常做太多的优化。每一次对话，就