本文介绍了Spring AI Alibaba 1.1.2.2提供的5种多Agent编排模式，重点讲解了Supervisor模式。该模式通过一个主Agent协调多个子Agent分工协作，适用于需要分解任务的场景。文章提供了完整的代码示例，包括POM依赖和配置类实现，展示了如何构建子Agent并包装成工具，最终由Supervisor统筹调度。所有代码均来自实际可运行项目，基于Spring Boot 3

本文探讨了AI Agent协议MCP和A2A的协作关系及Java开发者的选择策略。MCP已成为工具调用的行业标准，专注于单个Agent如何调用外部工具；而新兴的A2A协议则解决多个Agent间的协作问题。文章通过Spring AI实战演示了MCP的集成方法，包括本地和远程两种配置模式，并提供了自定义工具包装器的实现示例。同时强调了MCP的安全风险，建议开发者采取防护措施。两者并非竞争关系，而是互补

本文介绍了如何使用Spring AI 2.x为Java Agent添加"即插即用"的专业能力（Agent Skills）。文章首先解释了Agent Skills的概念及其对Java开发者的重要性，然后详细说明了环境准备步骤，包括版本要求、Maven依赖和配置文件。核心部分通过构建一个Code Reviewer Agent的实战案例，展示了如何创建Skill文件（SKILL.md）、编写核心Agen

Spring AI 1.1.6版本带来了两项重要变更：1) 移除了聊天记忆默认会话ID，改为必须显式传递会话ID，这会导致依赖旧API的代码编译失败；2) 支持自定义MCP连接配置。升级时需注意：所有conversationId()方法调用需改为通过advisors参数传递会话ID，DEFAULT_CONVERSATION_ID常量已被移除，PromptChatMemoryAdvisor类已废弃。

摘要： AI编程普及后，开发者依赖Vibe Coding（AI生成代码+人工调整）导致手写代码手感下降。为此推出的CodeStep是一款代码肌肉记忆训练工具，通过30秒~3分钟的短训练提升输入速度与准确率。支持JavaScript/React/Python/SQL/Vim等高频代码片段练习，实时反馈WPM、准确率、连击数等数据。该工具不替代AI编程或教学，而是帮助开发者在AI时代保持手写基本功。提

本文详细介绍了银行AI网关的技术选型决策过程，核心选择包括：Java语言（团队成熟、生态完善）、Spring Boot 3 WebFlux（支持流式响应和高并发）、PostgreSQL（分区表、JSONB等特性适合金融场景）、Redis缓存、MyBatis-Plus ORM和Resilience4j熔断机制。选型基于银行业务场景、关键指标优先级（安全合规>稳定性>开发效率>性能）

这篇文章详细介绍了AI网关的7个核心模块设计： API网关层：作为统一入口，兼容OpenAI格式，支持流式/非流式请求处理，特别设计了分段合规检测机制。 认证授权：采用双认证体系（JWT管理端+API Key应用端），关键设计是API Key只存储哈希值而非明文。 渠道管理：支持6家主流AI供应商接入，通过模型映射表实现统一接口调用不同供应商的模型。 合规过滤：采用策略模式的过滤器链，包含敏感词检

本文介绍了企业级AI网关的设计思路与实践方案。作者基于OpenAI架构参考，提出将认证、限流、合规等非业务功能从业务系统中剥离，构建统一AI网关的解决方案。文章详细阐述了7大核心模块（API网关层、认证授权、渠道路由等）的设计，明确了网关的职责边界（不做知识库管理等业务功能），并规划了从架构设计到代码实现的完整系列教程。该方案旨在解决企业接入多AI供应商时的接口不统一、重复开发非业务功能等问题，特

本文介绍了AI客服系统的安全加固方案，重点实现JWT鉴权和三层限流功能。系统采用Spring Boot 3.5+Spring Security框架，通过JWT实现无状态鉴权，使用Bucket4j+Redis构建三层令牌桶限流机制（全局/用户/LLM）。文章详细阐述了JWT工具类实现、过滤器顺序配置要点，以及登录认证流程。特别强调了生产环境中的安全注意事项，包括Filter执行顺序必须显式注册、密钥

AI客服系统升级：从单Agent到专业分工体系 本文介绍了AI客服系统从单一Agent架构升级为多Agent专业分工体系的实战经验。核心改进包括： 多Agent路由系统：拆分为投诉处理、售后服务和售前咨询三个专业Agent，通过规则路由实现精准分流，避免单Agent过载和注意力分散问题。 记忆系统升级：采用Spring AI官方JdbcChatMemoryRepository替代自定义Redis实