本文介绍了基于Jenkins的DevOps全流程自动化部署方案。首先概述了项目从开发到运维的完整生命周期，包括代码管理、构建、测试、制品制作、镜像构建和部署等环节。重点讲解了Jenkins流水线的配置方法，详细说明了构建、质量分析、单元测试、打包制品、制作镜像和部署等关键阶段的脚本实现，并介绍了参数化构建、远程触发和邮件通知等扩展功能。通过Jenkins整合各类工具链，实现了持续集成(CI)和持续

Function Call 解决了“能不能连接外部世界”的问题，而 Agent Skills 解决了“连接得够不够聪明、稳健”的问题。它是将零散的 API 变成了一套可复用的、具备逻辑深度的“职业能力”。

本文介绍了LangChain4j中的几个核心技术模块：1. Tools(Function Calling) - 让大模型能够调用外部工具类，通过案例演示了发票开具和天气查询功能。2. 向量数据库 - 使用Qdrant实现文本向量化存储和语义搜索。3. RAG(检索增强生成) - 通过外部知识库增强大模型回答能力。4. MCP(模型上下文协议) - 类似OpenFeign的统一模型调用协议，演示了调

本文介绍了LangChain4j框架在模型参数配置、多模态视觉理解、流式输出、记忆缓存和提示词工程等方面的应用开发。主要内容包括：1) 通过OpenAI协议标准配置模型参数，实现日志、监控、重试和超时机制；2) 多模态开发实现图像理解和文生图功能；3) 流式输出响应式编程实现；4) 记忆缓存管理对话上下文；5) 提示词工程限定AI助手能力范围。开发过程涵盖模块创建、POM依赖配置、YML参数设置、

本文介绍了LangChain4J框架在Java项目中集成AI模型的实践方法。主要内容包括：1. LangChain4J理论概述，说明其基于Transformer架构的文本处理能力；2. 详细开发流程，从环境准备（阿里百炼/DeepSeek API申请）到Maven父工程搭建；3. 实现两种调用方式：低阶API（ChatModel直接调用）和高阶API（通过@AiService注解自动生成实现类）；