本文介绍了大模型聊天记忆的实现原理和具体应用。大模型本身不具备记忆功能，需要通过额外处理来实现。文章演示了使用Spring AI框架实现聊天记忆的三个步骤：创建ChatMemory、配置ChatMemoryAdvisor、发送包含会话ID的请求。同时，文章深入分析了聊天记忆的三层架构（BaseChatMemoryAdvisor、ChatMemory、ChatMemoryRepository）及其实

本文梳理了Spring AI生态中各类工具调用机制的关系。首先区分了FunctionCallback（1.0.0前）和ToolCallback（1.0.0后）的概念，并说明FunctionToolCallback和MethodToolCallback都是ToolCallback的实现类。接着对比了ToolCallback与MCP的异同，指出MCP被封装为ToolCallback的另一种实现，但采用

摘要： spring-ai-alibaba新增了RecursiveCharacterTextSplitter文本分割器，通过维护分隔符列表（如中文标点符号）进行迭代分割，比原有TokenTextSplitter更符合中文语义完整性。该分割器优先按指定分隔符（如句号、问号等）分段，若文本仍过大则继续使用下一级分隔符，最后按固定大小分割。默认支持中文标点分割，调用方式简单，但需注意该功能暂未正式发布（

本文介绍了Spring AI及其Alibaba扩展的相关资源。Spring AI是AI工程应用框架（源码：spring-projects/spring-ai），Spring AI Alibaba是其Java扩展（官网/源码：alibaba/spring-ai-alibaba）。学习建议分两步：先掌握Spring AI（基础框架），再学习Spring AI Alibaba（扩展应用）。实践路径为：官

JManus是阿里巴巴开源的基于Spring AI Alibaba的AI Agent管理系统，采用纯Java实现。系统核心功能包括智能体管理、计划模板执行、MCP集成和模型管理，支持从海量数据中精确提取信息。技术栈基于Spring Boot 3.5.6、Java 17+、Vue3等，提供OpenAI兼容接口和RESTful API。支持H2、MySQL等数据库，可通过Docker或源码部署。主要特

本文介绍了Spring框架中使用Reactor库实现响应式编程的几种方式。通过示例代码演示了如何返回Mono单条数据、处理中文乱码问题，以及实现异步响应。重点讲解了Flux流式返回多条消息的方法，包括使用Flux.create()和Sinks.Many两种实现方式，并比较了它们的特性差异。文章还详细说明了异步任务封装、消息发送控制、错误处理以及背压策略等关键技术点，为开发响应式应用提供了实用参考。

本文介绍了spring-ai-alibaba-nl2sql项目的多种使用场景，包括SQL生成、结果输出、多库支持等功能。文章指出该项目虽然仍存在数据库支持类型不足、文档欠缺等问题，但功能实用且行业通用。作者认为作为年轻的开源项目，这些问题可以理解，并建议开发者根据需求进行改造使用，同时欢迎社区贡献代码来完善项目。总体评价该项目是一个值得参考的NL2SQL实现方案。

Spring AI Alibaba DeepResearch是基于Spring AI Alibaba Graph构建的深度研究应用，支持多智能体、工具调用和RAG知识库等功能，可生成专业研究报告。该项目采用Graph设计理念，通过节点编排实现复杂流程，适用于金融研究等领域。系统整合了Web搜索、知识检索等能力，整体架构遵循RAG模式，各功能节点协同工作完成深度分析任务。

本文介绍了Spring AI Alibaba中BaseNl2SqlService的使用方法，主要包括三部分配置：数据库（支持H2、MySQL、PostgreSQL）、向量存储（支持SimpleVector和AnalyticDB）和大模型。通过使用BaseNl2SqlService的nl2sql方法，可实现自然语言转SQL功能。核心流程包括：从向量存储召回业务知识、提取关键词、筛选相关表数据、生成S

Spring AI Alibaba提供了多种文档读取工具包，支持从语雀、飞书、Notion等平台读取文档。以Bilibili读取为例，只需三步：引入依赖、配置（部分平台免配置）、调用代码。其架构设计将文档平台接入与格式解析分离，通过DocumentReader接口处理平台访问，DocumentParser接口处理格式转换，实现了解耦和代码复用。这种设计允许不同平台共享相同格式解析器，也支持同一平台