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

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

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。

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

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

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

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

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。