- @account090909
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
本文面向 Java 开发者，表达在 AI 时代无需焦虑：虽然 Python 在模型训练和算法生态中更强，但企业级 AI 应用最终仍要回到系统集成、权限控制、数据治理、稳定运行和工程化落地。Java 凭借成熟的 Spring 生态、微服务体系和生产级工程能力，依然具备强大竞争力。随着 Spring AI、Spring AI Alibaba 等框架发展，Java 开发者同样可以构建 RAG、Agent
本文围绕 Spring AI 官方 Dynamic Tool Discovery 文档，介绍了动态工具发现的基本概念、产生背景和生产级应用场景。动态工具发现通过 Tool Search Tool 模式，不再一次性把所有工具定义发送给模型，而是让模型按需搜索相关工具，再将匹配到的工具定义加入上下文，从而降低 Token 成本并提升工具选择准确性。
本文围绕 Spring AI Vector Databases 官方文档，介绍了向量数据库在 AI 应用和 RAG 系统中的基本作用。向量数据库通过存储 Embedding 向量并执行相似度搜索，帮助大模型从企业知识库中检索相关上下文。
本文围绕 Spring AI 官方 RAG 文档，介绍了检索增强生成的基本概念、核心价值和生产级实践。RAG 通过先检索知识库、再结合上下文生成回答，缓解大模型在私有知识、事实准确性和上下文感知方面的不足。
本文围绕 Spring AI MCP 官方文档，介绍了 Model Context Protocol 的基本概念、核心作用和生产级安全思路。MCP 可以理解为 AI 应用连接外部工具、资源和提示词模板的标准化协议，能够帮助多个 AI 应用复用统一的业务能力。
本文面向 Java 开发者，表达在 AI 时代无需焦虑：虽然 Python 在模型训练和算法生态中更强，但企业级 AI 应用最终仍要回到系统集成、权限控制、数据治理、稳定运行和工程化落地。Java 凭借成熟的 Spring 生态、微服务体系和生产级工程能力，依然具备强大竞争力。随着 Spring AI、Spring AI Alibaba 等框架发展，Java 开发者同样可以构建 RAG、Agent
本文围绕 Spring AI Chat Memory 官方文档，介绍了大模型无状态调用下为什么需要记忆管理，并重点区分了 Chat Memory 与 Chat History 的差异。
本文围绕 Spring AI Chat Memory 官方文档，介绍了大模型无状态调用下为什么需要记忆管理，并重点区分了 Chat Memory 与 Chat History 的差异。