本文介绍了一套基于SpringBoot 3.3的生产级单体应用开发框架，整合了企业级开发必备组件。框架特点包括： 采用JDK17+SpringBoot3.x技术栈 集成RSA+JWT鉴权、全局异常处理、CORS跨域等核心功能 配置MyBatis-Plus分页插件和Redis双重缓存 支持Nacos动态配置和Docker容器化部署 提供完整的登录安全闭环解决方案 该框架可直接用于业务开发，避免了重复

在本地开发时，日志往往被误认为只是简单的控制台输出。然而，当项目进入独立部署的生产环境，面对突发的故障和海量日志时，一套成熟的日志体系就是系统的“眼睛”和“指南针”。能否设计出兼顾性能与排障效率的日志系统，是衡量一个开发者工程化成熟度的重要标志。本篇文章将带你从零构建一套生产级的全链路追踪体系，助你掌握微服务治理的核心实战。

本文介绍了一种轻量级ELK日志解决方案，适用于中小型微服务系统。该方案基于Filebeat+Elasticsearch+Kibana 8.x构建，相比传统ELK架构更加轻量化。文章详细讲解了技术选型、核心架构、环境搭建等关键环节，重点包括： 采用Filebeat替代Logstash作为采集器，大幅降低资源占用 提供完整的Docker部署方案，包含Elasticsearch和Filebeat配置 针

在微服务架构演进的过程中，为了安全起见，我们通常会用 Nginx 作为唯一流量入口，坚决不把底层的微服务和基建（如网关、Nacos）直接暴露到公网。在单台服务器上混合部署这些组件时，走内网通信显然性能最好。但 Docker 容器有个致命痛点：每次重启后，其内网 IP 都会被重新分配。若在配置里写死内网 IP，服务一重启必定失联。为了破局，我们需要用“服务名”代替脆弱的 IP。然而 Docker 规

本文介绍了在Spring Boot项目中如何基于Sa-Token框架实现RBAC权限管理系统，重点解决了后台管理系统的会话管控痛点。文章对比了Spring Security、Apache Shiro和Sa-Token的技术特性，详细说明了数据库设计、核心架构流程以及关键配置参数。通过双拦截器机制实现安全鉴权和线程上下文管理，并提供了完整的Maven依赖和YAML配置示例，帮助开发者快速构建高可用的

本文详细介绍了如何在Spring Boot 3项目中实现企业级RBAC权限管理系统。主要内容包括： 架构对比：C端JWT拦截器与B端Spring Security鉴权的差异 RBAC标准表结构设计（用户、角色、权限等7张表） 核心实现流程： 引入Spring Security依赖 自定义UserDetails实现类（CustomUserDetails） 登录时缓存权限数据到Redis 实现Toke

数据库设计中滥用JSON快照会带来严重性能问题。快照应仅保留关键业务数据用于回溯，而非全量复制。JSON快照导致查询效率低下（无法走索引）、数据膨胀、存储结构受损等问题。合理设计应区分高频访问字段（冗余存储）和历史回溯数据（快照存储），避免JSON_EXTRACT查询的性能陷阱。快照过大影响数据页命中率、索引结构、备份恢复等底层机制。成熟的设计需要在还原能力与存储成本间取得平衡，体现对业务逻辑和性

本文介绍了在本地部署开源AI大模型的完整方案。通过Ollama框架运行Qwen3:0.6b轻量级模型，结合SpringAI实现基础对话功能。同时采用RAG技术，使用nomic-embed-text模型和pgvector数据库构建知识库增强系统。文章详细说明了Docker环境部署、模型安装、向量数据库配置等步骤，并提供了对话接口实现和知识库上传功能的代码示例。该方案既能节省API调用费用，又能保证数

我们已经详细探讨了如何赋予大模型“记忆（Memory）”和“手脚（Tool Use）”。然而，单纯的 Agent 依然面临一个致命缺陷：大模型的知识仅限于其训练数据，它不知道企业内部的私有规章制度、文档或最新的技术方案，这就会导致严重的“幻觉”。为了解决这个问题，ai-agent-rag 项目在 ai-agent-chat 的基础能力（记忆+触手）之上，引入了 RAG（检索增强生成） 技术。

在 AI 应用爆发的今天，市面上充斥着各种 Agent 工具。但作为技术人，我们不仅要会“用”，更要懂“如何集成到业务”。`ai-agent-chat` 项目正是为了带你从浅入深理解市面上 Agent 能力的底层原理。本文将基于实战，拆解一个具备“**大脑（LLM）**、**手脚(Tool Use / Function Calling)**、**记忆(Memory)**、**规划（Planning