本文介绍了Spring AI Alibaba中的ResearcherNode研究型任务处理节点，主要包括以下内容： 节点功能定位：作为研究型任务核心执行节点，负责任务执行、信息收集、内容生成、状态更新和反思参与。 配置参数说明：包含反思开关、MCP服务配置等参数设置。 节点处理流程：包括反思处理、搜索执行、智能体选择、内容生成等关键步骤。 源码实现解析：详细说明了apply方法的执行逻辑，包括状态

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。

本文介绍了基于Spring-AI的知识库实战应用。知识库本质上是通过RAG流程将本地知识向量化后存储到向量数据库，再通过问答系统查询。文章总结了知识库涉及的关键技术：向量数据库、数据预处理（DocumentReader/Transformer/Writer）和检索生成（QuestionAnswerAdvisor）。在实施步骤上，需要选择文档加载器（支持多种格式）、向量数据库和嵌入式模型，并介绍了代

Spring AI 0.8.0移除了DocumentRanker接口，改为通过DocumentPostProcessor实现重排序。spring-ai-alibaba提供了开箱即用的RetrievalRerankAdvisor方案，需配置开启自动装配(1.0.0.2版本存在配置问题需手动修复)。该方案通过VectorStore检索文档后，使用RerankModel进行重排序和过滤，核心包含Retr

摘要：本文介绍了AI系统中的向量数据库应用，重点解析了在Spring框架中的实现方法。首先说明了配置过程，包括Embedding模型设置和VectorStore声明。通过示例展示了文档存储和语义搜索的基本使用流程。文章深入探讨了向量数据库的工作原理，包括文本向量化处理和相似度匹配机制，并分析了相关接口和实现类。最后对比了不同向量数据库的选型标准，包括开源性、数据规模支持等特性

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