SpringAI整合了全球（主要是国外）的大多数大模型，而且对于大模型开发的三种技术架构都有比较好的封装和支持，开发起来非常方便。不同的模型能够接收的输入类型、输出类型不一定相同，SpringAI 根据模型的输入和输出类型不同对模型进行了分类：大模型应用开发大多数情况下使用的都是基于对话模型（Chat Model)，也就是输出结果为自然语言或代码的模型。

MCP（Model Context Protocol，模型上下文协议），旨在为大语言模型（LLM）提供统一的、 标准化的方式与外部数据源和工具之间进行通信。从本质上来说，MCP 是一种技术协议，一种智能体 Agent 开发过程中共同约定的一种规范。这就好比秦始皇的书同文、车同轨，在统一的规范下，大家的协作效率就能大幅提高，最终提升智能体 Agent 的开发效率。传统AI集成的问题：这种为每个数据源

文件上传方便用户将本地文件传输到互联网上的应用程序或网站中，实现信息的共享和传递。它不仅提供了便捷的数据传输方式，还增强了用户的体验，使用户能够轻松分享个人创作、照片、视频、文档等内容。同时，文件上传也促进了远程协作和合作，使得团队成员可以方便地分享和访问文件，提高工作效率，本次将通过使用spring-boot实现文件上传与下载的功能。

多模态是指表达或感知事物的方式，例如视觉、听觉、嗅觉。对应的信息传递媒介可以是不同类型的数据，如文本、图像、声音、视频等。多模态就是从多个模态表达或感知事物。大部分情况与大模型交互都是基于普通文本输入，只有需要解析图片等其他类型数据时才会用到多模态模型。deepseekqwen-plus等模型都是纯文本模型，在 Ollama 和百炼平台，也能找到很多多模态模型。以 Ollama 为例，在搜索时点击

可以自己尝试实现（销毁原来的 Stdio、建立新的 Stdio，不推荐），由于多个用户存在 Stdio 可能会造成并发竞争因此不推荐。以使用百度地图提供的 MCP 服务为例，演示如何使用 Stdio 的方式调用公用的 MCP Server。系统提示词，由调用方传递用户数据：可以将用户信息传递到工具中，但是可以随意去查询其他用户的数据，不可取。在使用其他开发者提供好的 MCP 服务时，仅仅引入 MC

但它在容器中找到了 两个符合条件的实现（ollamaEmbeddingModel 和 openAiEmbeddingModel），它不知道用哪个，导致报错。而后引入 Redis 作为向量数据库时，会让 Spring 自动注入一个 EmbeddingModel 类型的 Bean（给 Redis 使用）。但是 RedisVectorStore 却能找到 Ollama 的向量模型，咱也不知道这算不算 B

随着社交、电商、金融、零售、物联网等行业的快速发展，现实社会织起了了一张庞大而复杂的关系网，传统数据库很难处理关系运算。大数据行业需要处理的数据之间的关系随数据量呈几何级数增长，急需一种支持海量复杂数据关系运算的数据库，图数据库应运而生。社交领域：Facebook, Twitter，Linkedin用它来管理社交关系，实现好友推荐零售领域：eBay，沃尔玛使用它实现商品实时推荐，给买家更好的购物体

微信小程序报错getLocation:fail the api need to be declared in the requiredPrivateInfos field in app.json/ext.json

可以自己尝试实现（销毁原来的 Stdio、建立新的 Stdio，不推荐），由于多个用户存在 Stdio 可能会造成并发竞争因此不推荐。以使用百度地图提供的 MCP 服务为例，演示如何使用 Stdio 的方式调用公用的 MCP Server。系统提示词，由调用方传递用户数据：可以将用户信息传递到工具中，但是可以随意去查询其他用户的数据，不可取。在使用其他开发者提供好的 MCP 服务时，仅仅引入 MC

可以自己尝试实现（销毁原来的 Stdio、建立新的 Stdio，不推荐），由于多个用户存在 Stdio 可能会造成并发竞争因此不推荐。以使用百度地图提供的 MCP 服务为例，演示如何使用 Stdio 的方式调用公用的 MCP Server。系统提示词，由调用方传递用户数据：可以将用户信息传递到工具中，但是可以随意去查询其他用户的数据，不可取。在使用其他开发者提供好的 MCP 服务时，仅仅引入 MC