文章摘要：本文探讨了SpringAI中的ToolCalling技术在企业级AI应用开发中的关键作用。通过构建"AI订单助手"项目，作者演示了如何将Java业务能力转化为AI可调用的工具(@Tool注解)，重点解决查询订单和取消订单两个场景。文章强调企业应用中需区分查询类与操作类Tool，提出可信上下文传递(ToolContext)、权限控制、操作确认等安全机制，并指出Tool描

在我之前的文章里，已经分享了不少 AI 技术相关的内容。从最基础的大模型调用，到 Prompt、RAG、Tool Calling，再到 Workflow、Agent、MCP、Evaluation，我自己也一直在沿着企业 AI 应用开发这条路线持续学习和实践。很多人真正缺的，其实并不是某一个 AI 技术教程。而是不知道：我到底应该往哪个方向走？有人做了七八年 Java，第一反应是：“现在 AI 都是

很多AI聊天项目在实现对话记忆时，第一反应都是把历史消息存进Redis，然后每次调用大模型前全部读取出来。在Demo阶段，这种方案简单、直接，也确实能用。但进入企业项目后，随着对话轮数增加，问题很快就会出现：上下文Token不断膨胀；模型调用成本持续增加；Redis中堆积大量历史消息；旧对话不断干扰当前问题；用户长期偏好与普通聊天记录混在一起；服务重启、缓存过期后，历史记忆可能直接丢失。因此，企业

本文是一位30多岁、拥有10年Java开发经验的程序员分享的AI转型心路历程。面对行业变革带来的焦虑，作者意识到传统开发岗位正在缩减，而AI应用开发领域却呈现快速增长。通过分析自身条件（非科班、普通学历、无算法背景），作者选择了AI应用开发作为转型方向，认为这个领域能充分发挥其后端开发经验。文章详细记录了作者的学习路径：从基础API调用到RAG项目实践，再到复杂概念理解，强调"学一点做一

上一篇文章，我们使用Spring AI的ChatClient，把原来调用大模型需要编写的大量HTTP请求代码，缩减成了几行链式调用。如果还没有看过上一篇，可以先阅读：obsidian📖Java转AI第三课：Spring AI如何把100行HTTP代码缩减到10行？代码确实很简单。但是运行之后，很快就会发现一个问题：为什么ChatGPT可以一边生成、一边显示，而我们的接口必须等待几十秒，最后一次性

上一篇文章，我们使用Spring AI的ChatClient，把原来调用大模型需要编写的大量HTTP请求代码，缩减成了几行链式调用。如果还没有看过上一篇，可以先阅读：obsidian📖Java转AI第三课：Spring AI如何把100行HTTP代码缩减到10行？代码确实很简单。但是运行之后，很快就会发现一个问题：为什么ChatGPT可以一边生成、一边显示，而我们的接口必须等待几十秒，最后一次性

面向Java开发者转型AI应用开发的入门教程，如何在30分钟内用SpringBoot实现第一个AI聊天机器人。文章首先指出AI聊天机器人的本质是HTTP请求（用户问题→Prompt→大模型→返回答案），并强调直接调用API而非使用网页版的重要性。接着详细演示了从注册DeepSeek API、获取密钥到编写业务代码的全过程，核心代码仅需通过RestTemplate发起HTTP请求即可完成对话功能。作

文章摘要：本文探讨了SpringAI框架在实际企业项目中的核心价值。作者通过自身项目经历，对比了直接使用HTTP调用大模型与采用SpringAI框架的开发体验差异。SpringAI不仅简化了基础调用代码，更重要的是提供了一套统一的AI编程模型，使多轮对话、流式输出、RAG等扩展功能的开发保持一致性。框架通过封装底层HTTP细节，让开发者能专注业务逻辑，显著降低了后续功能迭代的维护成本。文章最后强调

面向Java开发者转型AI应用开发的入门教程，如何在30分钟内用SpringBoot实现第一个AI聊天机器人。文章首先指出AI聊天机器人的本质是HTTP请求（用户问题→Prompt→大模型→返回答案），并强调直接调用API而非使用网页版的重要性。接着详细演示了从注册DeepSeek API、获取密钥到编写业务代码的全过程，核心代码仅需通过RestTemplate发起HTTP请求即可完成对话功能。作

者转型AI应用开发后的面试反思。作者分享了自己完成RAG项目后的自信，却在面试中被现实打醒——企业更关注AI工程化落地能力而非单纯的模型调用。面试官重点考察了生产环境部署、成本控制、系统集成等实际问题，暴露出作者过于专注AI技术而忽视工程实践的短板。这次失败让作者意识到：AI应用开发的核心是工程能力，需要将AI技术与Redis、MQ、Kubernetes等基础设施结合，实现稳定、安全、低成本的业务