在 Day 13 多 Agent 协作基础上，**给每个子 Agent 注入专属 Tool**，让子 Agent 不仅是"能说"—更能"能干"。

Day 3 — Agent 智能体：让 AI 拥有"手"和"脑"一句话总结：用 Function Calling + RAG 知识库，把一个只会聊天的模型变成能调工具、能查文档的智能 Agent。

quartz单机和集群都支持，示例

知识库从内存搬到数据库，重启不丢数据；支持 PDF 上传，知识库从"写死"到"活"

> 🎯 **目标**：把对话历史从 JVM 内存迁到 Redis，服务重启后继续聊。> ⏮️ **Day 4 回顾**：PGVector 解决了知识库持久化，但对话历史还是重启就丢> ⏭️ **本日成就**：知识库 + 对话历史双持久化，服务可以放心重启

目标：Windows 用户，零 Docker 基础。耗时：30-45 分钟（含下载时间）效果：Docker Desktop 跑起来，PostgreSQL + Redis 容器正常运行

在 Java 并发编程中，CompletableFuture 凭借其灵活的异步任务编排能力，成为处理多任务异步场景的核心工具。本文将以一段实际业务代码为例，拆解 CompletableFuture 如何实现 “异步执行任务 + 结果汇总 + 多任务等待” 的完整流程，并提炼关键知识点与实践注意事项，帮助大家在项目中正确落地。

LogicFlow是一款流程图编辑框架，提供了一系列流程图交互、编辑所必需的功能和灵活的节点自定义、插件等拓展机制。可视化模型：通过 LogicFlow 提供的直观可视化界面，用户可以轻松创建、编辑和管理复杂的逻辑流程图。高可定制性：用户可以根据自己的需要定制节点、连接器和样式，创建符合特定用例的定制逻辑流程图。可以在web页面编辑流程节点 ，节点类型，支持拖拽等等，节点可以选择脚本，插件等等功能

springboot+langchain4j实战：Day 16 混合检索 — 字段/名词/配置速查手册

> 在 Day 16 混合检索的基础上，深入 Reranker 环节的三大升级：> **Redis 结果缓存**（省钱 + 提速）+ **多模型对比**（量化 Reranker 价值）+ **对照实验**（用数据说话）