使用 CodeBuddy 创建一个代码审查 Skills 示例,可以在此基础上加上团队的代码规范让优化 Skills。

使用 CodeBuddy 创建一个代码审查 Skills 示例,可以在此基础上加上团队的代码规范让优化 Skills。

今天的GitHub热榜告诉我们，AI革命不是少数大公司的专利，而是整个开源社区的共同创造。从BettaFish的舆情分析到opencode的编程助手，从本地化的agenticSeek到企业级的docs平台，每一个项目都在用开源的力量推动AI技术的普及和发展。

但要是让它干智能体的活儿，就好比。今天咱就用大白话聊聊，为啥Java和智能体天生就不搭。

LangGraph 是什么？LangChain 生态中用于构建复杂 Agent 工作流的框架核心概念State（状态）、Node（节点）、Edge（边）、Cycle（循环）关键优势支持循环、条件分支、多 Agent 协作、状态管理架构演进线性 Agent → 单 Agent 循环 → 图结构 Multi-Agent。

先看个简单的例子：你手机里的照片，原始格式可能有几十 MB，压缩成 JPG 后只剩几 MB，画质没太大变化但存储和传输更方便了。AI 大模型的量化，本质上就类似这种 “智能压缩”—— 通过降低模型中参数的数值精度，在尽量不影响模型性能的前提下，让模型变 “轻”。大模型之所以 “大”，是因为里面有海量参数（比如动辄百亿、千亿个），这些参数通常用 32 位浮点数（简称 FP32）来表示，就像用精确到小

智能体（Agents）执行任务时，离不开指令说明、外部知识、工具反馈等“上下文”信息的支撑。所谓上下文工程，就是在智能体执行任务的全流程中，精准筛选合适信息填入“上下文窗口”的技术实践——既有技术规范要求，也需结合场景灵活调整。撰写上下文：把暂时不用的信息存到窗口外，留给后续任务用；筛选上下文：挑关键信息放进窗口，辅助当前任务；压缩上下文：只留任务必需的令牌（Tokens），节省窗口空间；隔离上下

简单来说，就是一个 “工具包”，它把阿里巴巴的 AI 技术（比如通义千问大模型、向量数据库等）和大家常用的 Spring 框架 “打包” 到了一起。**打个比方：**就像你想做蛋糕（开发 AI 应用），Spring AI Alibaba 已经帮你准备好了烤箱（AI 技术）、面粉（Spring 框架工具），你不用自己研究烤箱怎么造，直接跟着步骤做就能做出蛋糕。它的核心作用就是：让你不用深入学习复杂的

本文全面解析RAG（检索增强生成）技术开发流程，旨在构建精准可靠的AI知识库系统。主要内容包括：1）掌握RAG核心逻辑，解决LLM知识滞后问题；2）技术原理剖析，包括向量转换、Top-K检索等关键环节；3）实战开发全流程，涵盖文档加载分块、向量工程、数据库选型等；4）以电商客服系统为例，演示环境搭建、数据处理到问答集成的完整实现。文章强调RAG的核心价值在于通过工程化手段确保AI回答的可追溯性，并

智能体（Agents）执行任务时，离不开指令说明、外部知识、工具反馈等“上下文”信息的支撑。所谓上下文工程，就是在智能体执行任务的全流程中，精准筛选合适信息填入“上下文窗口”的技术实践——既有技术规范要求，也需结合场景灵活调整。撰写上下文：把暂时不用的信息存到窗口外，留给后续任务用；筛选上下文：挑关键信息放进窗口，辅助当前任务；压缩上下文：只留任务必需的令牌（Tokens），节省窗口空间；隔离上下