文章摘要：通过分析Codex会话日志，揭示了Agent上下文使用的关键细节。系统提示词（占18K字符）和技能目录（14K字符）是固定开销，但工具定义才是隐藏的token消耗大户。OpenAI的缓存机制使系统提示词的边际成本趋零，而工具调用和推理才是主要开销来源。MCP工具采用"目录层-检索层-加载层"的三层机制，按需延迟加载工具定义而非全量注入，有效控制上下文膨胀。日志数据证实，四轮对话消耗了65

文章摘要：通过分析Codex会话日志，揭示了Agent上下文使用的关键细节。系统提示词（占18K字符）和技能目录（14K字符）是固定开销，但工具定义才是隐藏的token消耗大户。OpenAI的缓存机制使系统提示词的边际成本趋零，而工具调用和推理才是主要开销来源。MCP工具采用"目录层-检索层-加载层"的三层机制，按需延迟加载工具定义而非全量注入，有效控制上下文膨胀。日志数据证实，四轮对话消耗了65

大模型（LLM）核心是通过海量文本学习语言规律，无需硬编码规则，能理解自然语言，区别于传统 if-else 编程和传统 NLP（仅数词频、无真正语义理解），是 Java Agent 实现智能交互的核心依赖。

摘要： OpenAI Chat Completions接口是大模型API通用标准，国内主流平台兼容。核心包括模型选择、对话角色（system/user/assistant）和参数控制（temperature/max_tokens）。Java调用分非流式（同步请求，适合后台任务）和流式（SSE协议，实时交互），技术栈采用OkHttp+Gson。开发时需注意多轮对话需手动维护消息历史，system提示

Spring 通过 Spring AI 项目正式启用了 AI（人工智能）生成提示功能。本文将带你了解如何在 Spring Boot 应用中集成生成式 AI，以及 Spring AI 如何与模型互动。

RAG项目中Prompt工程的核心价值与实践总结 Prompt工程在RAG系统中扮演着决定性角色，它通过结构化设计约束大模型的输出行为。有效的Prompt需包含五个关键要素：明确的角色定位、任务拆解步骤、严格约束规则、标准化的输入格式和固定的输出规范。实践中必须强制知识隔离以防止幻觉，建立资料冲突处理机制，实现引用溯源功能，并设置双层异常处理流程。Prompt需要像代码一样持续迭代优化，通过收集坏

Spring Boot内置Tomcat的启动原理是基于Spring Boot自动配置和嵌入式容器的概念。Spring Boot提供了嵌入式的Tomcat容器，使得开发者无需手动配置和部署外部的Web服务器。Spring Boot的核心启动类是SpringApplication，它会自动初始化并启动一个内嵌的Tomcat容器。具体来说，当Spring Boot应用启动时，SpringApplicat

在开发过程中，SQL日志的完整输出对于调试和性能优化至关重要。MyBatis默认的日志输出仅显示带占位符的SQL语句，无法直接看到实际参数值，且缺乏执行时间统计。本文将介绍两种实现方案：1. 原生配置方案：通过日志框架直接输出基础SQL日志2. 增强方案：使用MyBatis拦截器实现完整SQL打印和执行监控