Spring AI是Spring生态面向生成式AI的官方框架，以“抽象即自由”为核心，提供统一API、多厂商模型支持（OpenAI/Anthropic/Ollama等）、RAG、Agent及向量存储集成，让Java开发者零门槛构建生产级AI应用。

本文系统梳理TiDB与OceanBase两大NewSQL标杆的核心知识体系，涵盖设计理念、分布式架构、事务机制、HTAP原理及能力对比，聚焦Share-Nothing架构、强一致共识（Raft/Paxos）、全局时间戳、MVCC与原生HTAP等关键技术，助力高效选型与深度实践。

本文 以底层核心→组件升级→整体架构→全链路流程→工程细节→产业演进 的逻辑，全方位结构化梳理Transformer核心知识体系，覆盖自注意力机制、多头注意力、Encoder-Decoder结构三大核心模块，同时关联现代大语言模型的架构演进。

本文以 “ 底层原理→核心组件→单Agent闭环→多Agent群体智能→工程化落地框架 ” 为核心逻辑线，全方位、结构化梳理AI Agent的完整知识体系，覆盖理论本质、技术实现、工程实践与行业演进全维度。

检索增强生成（Retrieval-Augmented Generation, RAG）是结合外部知识库检索与大语言模型生成能力的技术框架。核心逻辑是：在大模型生成回答前，先从私域/实时知识库中召回与用户Query相关的权威知识片段，将其作为事实上下文注入Prompt，引导大模型严格基于检索到的内容生成回答。

本文围绕**核心原则、角色设定、零样本/少样本提示、思维链CoT**四大核心模块，构建全链路、可落地的提示工程系统性知识体系

本文档系统性覆盖**大模型微调**的核心技术体系，完整包含**全参数微调、LoRA/QLoRA低秩适配的核心原理、优劣势、落地流程，以及配套的数据集规范**，形成从理论到落地的全链路知识闭环。

本文系统性梳理大模型部署与优化全链路：直击显存墙、访存瓶颈等底层挑战；详解PTQ/QAT/AWQ量化技术；深度解析PagedAttention与vLLM/TensorRT-LLM推理引擎；覆盖服务化部署、云原生架构及选型实践，助力高效、稳定、低成本落地。

本知识体系构建以LLMOps为底座、大模型全生命周期管理为核心、安全合规为红线的AI工程化系统性框架，覆盖规划选型、数据治理、研发训练、部署运维到迭代退役全流程，解决落地难、风险高、成本大等核心痛点。

本指南为个人用户量身打造，2026年5月最新版，聚焦场景匹配、成本可控与体验流畅三大核心。涵盖国内外12+主流模型深度对比、7大选型维度、分场景精准推荐（学习/编程/创作/长文档/多模态/隐私敏感等），并提供免费/30元/100元三档组合方案及避坑指南，助你高效选型、降本增效。