微服务集成nacos，并配置nacos配置中心

AI将取代人类工作”“机器学习正在改变金融行业”“深度学习实现了人脸识别”这三个词经常被混着用，好像说的是同一件事。我到底需要AI？机器学习？还是深度学习？让你看完之后再也不会把这三个词搞混。

print("三种模型对比总结")print(f"'模型'<15print("\n" + "=" * 60) print("三种模型对比总结") print("=" * 60) print(f" {'模型' : <15 } {'参数量' : >10 } {'验证准确率' : >10 } {'测试准确率' : >10 } {

Token 不完全等于"词"，也不完全等于"字"，而是介于两者之间的一种文本单元。"Hello world" → ["Hello", " world"] → 2个Token"unbelievable" → ["un", "believ", "able"] → 3个Token"你好世界" → ["你", "好", "世", "界"] → 4个Token（也可能2个，取决于分词器）"大语言模型" →

Component@Autowired// 1. 关键词匹配FROM faqLIMIT 1""";// 提取关键词ps -> {},));if (!// 去停用词，提取核心词List<String> stopwords = List.of("的", "了", "是", "在", "我", "你", "他","什么", "怎么", "如何", "为什么", "请问", "一下");？!！]+"))

系列第 8 篇 · B 线（AI 工程化）第 4 篇定位：架构师选型视角 · 深度长文承接：B1（架构优先）/ B2（RAG 知识层）/ B3（MCP 工具层）衔接：B5（模型路由与成本——Control Plane 里的 Model Gateway 正是其落点）

系列第 14 篇 / C 线第 4 篇（C 线 4/4 收官）视角：架构师选型 · 深度长文Java 开发者被「JVM 不适合短生命周期计算」这句话骗了十年。真相不是 JVM 不行，是你的部署模型选错了——而 2026 年，冷启动这道题有了三种成熟解法，不再是非此即彼。

怎么把 AI 系统搭起来。B1 说架构比模型重要，eval harness 是七动作之首；B2 把检索卫生拆成工程手册；B3 把后端能力用 MCP 标准化成可被调用的工具；B4 把一堆 MCP Server 编排成多智能体，Control Plane 管治理；B5 在 Control Plane 里做模型路由，把成本砍 60–80%。但搭起来 ≠ 能上生产。上生产的真正门槛，是"搭起来之后怎么不翻

先定义Agent要用的4个工具。工具描述写得好，Agent就聪明；写得烂，Agent就犯蠢。# 工具1：搜索引擎"""搜索互联网获取相关网页列表。何时使用：当你需要查找某个主题的信息时。何时不用：当你已经有足够的资料时，不要重复搜索。参数：query: 搜索关键词，要具体明确，比如"Rust语言 2024 发展趋势"num_results: 返回结果数量，默认5条，最多10条返回：搜索结果列表（标

Agent Loop = 给大模型搭建一个持续自我迭代的循环跑道，允许模型多次 “思考、动手、接收反馈”，直到任务完成；普通对话没有这条循环跑道，只能一问一答。