答：编造表关系或错键。Golden 标注 join_graph；EXPLAIN 行数异常。§10.3。

AI 应用 = 传统工程 + 不确定性管理。传统系统追求"确定性"（给定输入，输出唯一确定），AI 系统必须"管理概率"（给定输入，输出是概率分布，每次可能不同）。

低代码 AI 平台 = RAG + Workflow + 模型路由 的可视化封装——让非 AI 专业的工程师甚至产品运营，通过拖拽和配置快速构建 AI 应用（知识库问答、智能客服、数据处理），无需写 Python/Java AI 代码。

本篇是——前半段（§1-§4）讲电商交易链路的 AI 切入点全景；中段（§5-§8）讲商品理解 / 客服 / 风控 / 推荐 4 大核心场景；§9 大厂题 + §10-§11 事故与口述；（v2.2）。。：本系列前 7 篇（特别是 03-RAG、04-Agent、06-Eval、07-Serving）；（电商基础架构）。：本篇是套件压轴，整合前 7 篇知识到具体业务。

本篇是——前半段（§1-§4）讲电商交易链路的 AI 切入点全景；中段（§5-§8）讲商品理解 / 客服 / 风控 / 推荐 4 大核心场景；§9 大厂题 + §10-§11 事故与口述；（v2.2）。。：本系列前 7 篇（特别是 03-RAG、04-Agent、06-Eval、07-Serving）；（电商基础架构）。：本篇是套件压轴，整合前 7 篇知识到具体业务。

Temporal（或同类 durable execution 引擎）管理长寿命、多角色、强审计的业务流程；（Spring AI loop / LangGraph）管理秒–分钟级的推理–工具循环。二者通过Activity 边界衔接：Workflow 定「何时、谁批、是否可重试」；Agent 定「这一步怎么推理、调哪些 tool」。

是 LangGraph 的社区 Java 移植，提供StateGraph状态图编排。⚠生产建议：2026 年仍为社区项目，API 不稳定。推荐了解概念，生产用 Spring AI 原生编排（§2）。

Agent 框架：在 LLM 之上提供状态机 / 消息总线 / 工具注册 / 人机协同（HITL）/ 可观测 trace的编排层，把「多步推理 + 副作用工具调用」从 prompt 字符串升级为可测试、可熔断、可回放的控制器。

Spring AI = Spring Boot 生态的 AI 抽象层——用 Java 开发者熟悉的编程模型（自动配置、依赖注入、AOP）封装 LLM 调用、RAG、Tool Calling 和 Agent，让 10 年 Java 经验直接迁移到 AI 应用开发。@Component@Override@Override@Override// 1. PII 检测：身份证、银行卡、手机号.build()

全球运动零售在存量 Spring Boot 上落地的——每个场景含。场景总览 ·LiteLLM/MCP/多 VectorStore ·GuardrailsC.98–C.122。