GenAI 通过深度神经网络（如 Transformer、U-Net）学习海量数据的统计规律，再利用概率采样方法，生成符合该规律的全新内容。任务类型主流技术文本生成自回归 Transformer（GPT/Qwen）图像生成扩散模型（Stable Diffusion）语音生成扩散 + 自回归（Voicebox, VALL-E）多模态多编码器 + 统一语义空间（GPT-4o, Qwen-VL）

知识摄入：支持多格式、带元数据、增量更新向量存储：选型匹配规模，支持混合检索RAG 流程：检索 → 重排 → 权限过滤 → 注入 PromptLLM 安全：防幻觉、防越权、输出审计可观测性：监控准确率、延迟、Token 消耗🔑终极原则“知识库不是搜索引擎，而是可信赖的专家”—— 每一个答案都应有据可查、安全可控。

概念定义“感觉式编程”：开发者通过模糊描述、示例或自然语言“暗示”意图，由 AI 自动生成代码，强调快速原型与探索性开发。“规范式编程”：开发者提供精确的需求规格（如函数签名、输入输出示例、约束条件），由 AI 生成可验证、可靠的代码。“智能体技能”：将编程任务分解为多个可复用、可组合的原子能力单元（如“调用 API”、“解析 PDF”），由 AI Agent 动态调度执行。范式关键词价值主张快、

Spring AI = Spring Boot 开发者的 GenAI 最佳拍档。它不做炫酷的多 Agent 协作，而是专注于让 Java 工程师在熟悉的 Spring 生态中，安全、高效、合规地集成大模型能力。尤其在私有化部署（Ollama + Qwen） + 企业级 RAG场景下，Spring AI 提供了目前 Java 领域最优雅的解决方案。如果你正在用 Spring Boot 构建 AI 应

平台核心价值适用人群Coze快：最快上线 Bot运营、产品、中小企业Dify稳：安全、可控、可集成企业开发者、架构师n8n通：连接一切系统自动化工程师、IT🔑记住要做聊天机器人→ 看（安全 vs 速度）要做系统自动化→ 选n8n要做私有 AI 应用→ 选。

平台核心价值适用人群Coze快：最快上线 Bot运营、产品、中小企业Dify稳：安全、可控、可集成企业开发者、架构师n8n通：连接一切系统自动化工程师、IT🔑记住要做聊天机器人→ 看（安全 vs 速度）要做系统自动化→ 选n8n要做私有 AI 应用→ 选。

创建ModelfilePARAMETER num_gpu 50 # GPU 层卸载比例（0~100）场景是否推荐本地开发/测试 Agent✅ 强烈推荐内部知识库问答（RAG）✅ 推荐（配合 Pgvector）生产环境高并发服务⚠️ 谨慎（建议评估 vLLM / Triton）需要 Function Calling 的 Agent❌ 不推荐（改用 DashScope API）🔑核心价值Ollama

创建ModelfilePARAMETER num_gpu 50 # GPU 层卸载比例（0~100）场景是否推荐本地开发/测试 Agent✅ 强烈推荐内部知识库问答（RAG）✅ 推荐（配合 Pgvector）生产环境高并发服务⚠️ 谨慎（建议评估 vLLM / Triton）需要 Function Calling 的 Agent❌ 不推荐（改用 DashScope API）🔑核心价值Ollama

业务价值是否明确？（不是“因为火才做”）核心 Tools 是否已存在？（Agent 不能凭空创造能力）是否有高质量业务知识库？（RAG 效果依赖数据）是否定义了失败兜底策略？（如转人工）是否评估过 Token 成本？（长上下文很贵！是否设计了可观测体系？（黑盒 Agent 无法运维）💡最后忠告AI Agent 的成功 = 20% LLM + 80% 工程体系。你的核心工作不是调模型，而是构建一个

LangChain 是构建 LLM 应用的基础框架（如 RAG、Tool Calling），LangGraph 是 LangChain 的扩展模块，专门用于构建「带状态、可循环、多步骤」的 Agent 工作流。LangChain = 智能体的“工具箱 + 基础能力”LangGraph = 智能体的“操作系统 + 流程引擎”LangChainLangGraph是什么LLM 应用开发框架LangCha