维度NettyTomcat本质网络框架（底层）Web 服务器（上层）擅长高性能、自定义协议、异步通信HTTP 服务、Web 应用部署类比发动机汽车学习曲线高低是否替代❌ 不能替代 Tomcat 做 Web 应用❌ 不能替代 Netty 做高并发通信💡一句话总结用 Tomcat 来“提供服务”用 Netty 来“构建通信”你不需要二选一，而是根据场景合理搭配使用。

热部署工具可以监视项目的源代码文件，并在检测到文件改动时自动重新加载已修改的类。Spring Boot Devtools 是 Spring Boot 提供的一个开发工具，它可以自动检测代码改动并进行热部署。JRebel 是一款商业化的热部署工具，它支持各种 Java 编译器和应用服务器，并能够在开发过程中实时加载代码变更。我们可以通过在项目的。然后，在 IDE 中启动应用程序，并配置 JRebel

调用本地大模型（如 Ollama）不需要 API Key！或调用无需认证、无需联网、无需付费。📌一句话记住：云端模型 → 要钱、要网、要 API Key本地模型 → 要电、要显卡、不要 API Key你现在已经在本地运行了qwen3:1.7b，可以放心调用，完全自由、安全、免费！🎉。

如发放5000张优惠券，单体架构使用@Schedule是没问题的但是分布式应用会出现问题，如果有两个优惠券服务集群，且是使用@schudele，两个微服务都会去执行这个定时任务，最终总计发1w张优惠券解决方法：使用redis的分布式锁解决（谁抢占到这个定时任务谁执行）使用zookeeper的主从策略，让某个微服务执行发放这两个方法共同的缺点：耦合度高。

MCP是一个CS的架构，所以先从本地端的MCP实现。

LLM有时会在回答中生成看似合理但实际上是错误的信息，也就是幻觉信息，比如强制让大模型给A0001是什么故障码，大数据会根据它已有的数据进行解释，可能是大模型乱编造的。所以此时就需要RAG进行检索增强生成，做一个内部的检索增强生成的辅助系统，完成AI智能运维，完成预训练数据的投喂。LLM的知识是预训练投喂的数据，可能是前几个月的数据，但是中间这几个月的数据大模型是拿不到的。但是你拿着这个错误码去问

任何事物都可以用一个“向量”（浮点数数组）来表示。这个向量的每个维度代表该事物的一个特征，维度越多，描述越精细。这正是现代 AI（如大模型、推荐系统、搜索引擎）的基础——把一切变成“数字”。图片内容对应你的原话解读交通工具表格“向量的每个维度代表数据的不同特征”每一列是一个特征（维度）汽车向量 (4,1,1,5)“把这个浮点数打到坐标里面”数值化后的向量可视为空间中的点多个维度组合“维度越多对事务

向量化和向量数据库是最关键的技能，如果是AI大模型开发技能的必选必备面试必问笔试必考工作中必用的技能向量、向量文本化、向量数据库这三个概念是最重要的概念传统的关系型数据库MySQL分布式内存数据库Redis还有一个向量数据库，也叫矢量数据库，专门存向量化后的数据这三种数据库在简历上体现才可以脱颖而出。

spring-ai-alibaba-starter-memory-redis是阿里巴巴和Reids整合的依赖。InMemoryChatMemoryRepository是保存在内存中的，是SpringAI的核心框架。RedisChatMemoryRepository是阿里巴巴的，用于保存到Redis中。SpringAIAlibaba实现了SpringAI的ChatMemory。3.要以顾问增强器的方

通俗的意思就是：将AI大模型返回的结果转成JSON、XML、Java类等，原本返回值是String（字符串）