TiDB：采用分布式架构，能够水平扩展，支持海量数据存储和高并发读写。通过将数据分散存储在多个节点上，实现了高可用性和容错机制，确保系统在部分节点出现故障时仍能正常运行。支持事务：支持分布式事务，保证数据的一致性和完整性。这使得TiDB能够适用于各种对数据一致性要求较高的应用场景，如金融、电商等领域的核心业务系统。

伴随着大模型应用的兴起，webflux逐渐引起关注。为了以java的方式运行AI应用，让我们一起学习webflux集成langchain4j吧。

本文应用了问题重写、web搜索、向量检索、文档评估、生成评估等流程。在实际的应用开发中完全可以基于此流程二次开发构建适应业务的大模型应用。

在做大模型应用时，主要关注的点在于数据的丰富性以及实时性，大模型推理的合理性、输出的规范性和及时性。在架构设计上，要避免大模型的无限制推理，保证模型分析的可控。同时限制大模型的随意发挥，可通过预定制的能力卡控模型的随意性。为了保障时效性，需要在合适的阶段再调用大模型，同时给用户输出某些内容，避免长时间等待。

langgraph的multi-agent章节阅读并实践。

本文主要介绍了消息队列相关理论知识，后文将以kafka为例详细介绍。

本文详细介绍了Kafka核心知识，有利于深入理解消息队列。