实际上这个问题很简单，而且也很容易解决，只不过不同的软件有不同的标准，所以即使是utf-8并不能解决问题，而是需要根据实际的情况，比如http，根据mime-type明显比指定utf-8更能表达具体的意义，毕竟mime是具体的标准。

最近处理老项目中的问题，升级安全jar，发现hutool的jar在解压缩的时候报错了，实际上是很简单的防御zip炸弹攻击的手段，但是却因为hutool的工具包取文件大小有bug，造成了解压缩不能用，报错：invalid sizes: compressed -1, uncompressed -1，理论上使用这个API的所有方法都有问题。影响范围hutool 5.8.11~5.8.16，5.8.17修

摘要：本文分析了Spring Data JPA中saveAll方法性能问题的根源。通过实验发现，当使用自定义ID而非JPA自动生成时，saveAll会执行大量查询操作，导致批量插入性能低下。关键因素包括：1)ID字段索引设计不合理；2)手动设置ID值触发merge操作而非直接插入。调整索引结构并改用JPA自动生成ID后，saveAll性能可超越JDBC Template的batchUpdate。建

本文介绍了使用SpringAI 1.1.2版本与Ollama结合实现AI聊天功能的实践。通过配置ChatClient构建多轮对话系统，分析了HTTP交互过程和消息传递机制。实验表明，AI在逻辑分析方面表现良好，但存在模型知识更新滞后、结果不确定性等问题。文章还探讨了多轮对话实现方式、token消耗优化以及外部工具集成的必要性，指出当前AI仍需结合MCP服务、知识库等外部能力才能满足复杂需求，整体上

摘要： 本文分析了SpringBoot 2.4-2.7版本升级后出现的跨域配置问题。当allowCredentials=true时，使用通配符""会导致IllegalArgumentException异常。问题根源是Spring 5.3修改了校验逻辑，该版本被SpringBoot 2.4引入。解决方案有两种：1) 不使用通配符""；2) 改用allowedO

实际上仅仅是对称加密，实际上并不安全，不仅面临碰撞攻击，还面临着秘钥保存的问题，根据HTTPS的TLS密码设计，应该动态生成对称加密密钥，使用非对称加密算法交换密钥，根据会话动态变化。但是没有绝对的安全，实际上是加密和性能的取舍问题。非对称加密非常消耗计算性能，但是安全等级很高，对称加密对性能消耗较低，但是安全等级较低。以TLSv1.2为例，先通过非对称加密（证书）交换对称加密的秘钥，加密回话报文

本文介绍了使用SpringAI 1.1.2版本与Ollama结合实现AI聊天功能的实践。通过配置ChatClient构建多轮对话系统，分析了HTTP交互过程和消息传递机制。实验表明，AI在逻辑分析方面表现良好，但存在模型知识更新滞后、结果不确定性等问题。文章还探讨了多轮对话实现方式、token消耗优化以及外部工具集成的必要性，指出当前AI仍需结合MCP服务、知识库等外部能力才能满足复杂需求，整体上

本文介绍了基于Spring AI框架实现MCP(模型控制协议)服务的实践过程。作者以DDR4内存价格分析为案例，展示了如何构建一个支持工具调用的智能代理系统。文章详细说明了服务端和客户端的配置实现，包括模型选择(Gemma3和Qwen3.5)、MCP工具注解的使用以及YAML配置。在遇到Gemma3不支持工具调用的问题后，作者改用Qwen3.5模型，并优化了系统架构，将实时数据获取与LLM推理分离

文章摘要：作者在开发大模型周边支持项目时，尝试使用Python自由线程模式运行ollama库时遇到问题。发现自由线程版本与普通Python版本存在差异，导致无法识别已安装的ollama包。解决方案是通过指定解释器安装依赖(python -m pip install ollama)。该问题揭示了自由线程版本实际上被视为"不同"的Python版本，需要特别注意路径和依赖管理。作者建

本文介绍了基于Spring AI框架实现MCP(模型控制协议)服务的实践过程。作者以DDR4内存价格分析为案例，展示了如何构建一个支持工具调用的智能代理系统。文章详细说明了服务端和客户端的配置实现，包括模型选择(Gemma3和Qwen3.5)、MCP工具注解的使用以及YAML配置。在遇到Gemma3不支持工具调用的问题后，作者改用Qwen3.5模型，并优化了系统架构，将实时数据获取与LLM推理分离