
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
文章摘要: 面对AI写代码的冲击,作者认为程序员应关注如何将AI能力整合到业务系统中,而非单纯焦虑职业前景。为此,作者计划系统学习Spring AI,通过构建一个企业知识库问答助手项目,逐步掌握AI应用开发的核心能力(如文档处理、向量化、多轮对话等)。该系列面向熟悉Spring Boot的Java开发者,旨在以实践驱动学习,每篇解决一个具体问题,最终实现完整功能闭环。技术栈选用Spring AI

本文介绍了如何从零搭建Spring Boot项目并集成Spring AI的基础步骤。主要内容包括:1)使用Spring Initializr创建Java 21的Maven项目;2)添加测试接口验证框架运行;3)通过BOM方式管理Spring AI版本;4)引入OpenAI模型依赖;5)配置API密钥和模型参数。文章强调先搭建稳固的工程基础,为后续AI功能开发做准备,并列举了版本兼容、密钥管理等常见

文章摘要:本文介绍了如何在Spring Boot项目中调用大模型API。首先通过ChatModel实现基础聊天接口,然后重构为更灵活的ChatClient写法。核心步骤包括:1)创建返回原始消息的控制器;2)配置ChatClient Bean;3)用链式调用重构接口。文章强调实践导向,提供了完整代码示例和可能遇到的常见问题(如API密钥、编码问题等)。最终实现从用户输入到模型响应完整闭环,为后续实

本文介绍了如何扩展AI聊天接口的三个实用功能:流式输出(改善用户体验)、系统提示词(控制AI角色行为)和结构化返回(便于业务处理)。通过代码示例展示了Spring AI中具体实现方法,包括流式接口定义、系统提示词设置和JSON结构化返回。文章强调这些功能能让AI应用更接近真实业务场景,而非停留在概念验证阶段,并提供了可能遇到的问题及解决方案。这些改进使项目向着企业级知识库问答助手的目标更近一步。

本文介绍了构建RAG(检索增强生成)系统时处理知识库文档的关键步骤。文章强调文档质量、结构和切分方式对最终效果的影响,并提供了具体的实现方案:1)准备Markdown格式的文档目录结构;2)通过Java服务读取文档内容;3)使用分块服务进行文档切分。文中给出了核心代码框架和测试接口示例,同时预告了可能遇到的六大常见问题(如文档长度、重复内容等)。该环节为后续生成Embedding和向量检索奠定了基

摘要:文章探讨了如何设计一个支持热部署和动态加载的插件系统,类似Jenkins的功能。面试官直接提问设计思路,强调系统需具备不停机更新能力。设计重点包括插件隔离机制、版本管理、依赖处理以及动态加载技术,确保插件可独立更新而不影响主系统运行。

这篇文章介绍了如何在Spring AI项目中接入Ollama本地大语言模型。主要内容包括: 明确目标:配置Spring AI调用Ollama本地模型,实现实际功能而非概念介绍 准备工作:验证Ollama安装、拉取指定模型(qwen2.5) 实现步骤: 添加spring-ai-starter-model-ollama依赖 配置Ollama服务地址和模型参数 注意事项:列出可能遇到的问题如服务未启动、

本文介绍了构建RAG(检索增强生成)系统时处理知识库文档的关键步骤。文章强调文档质量、结构和切分方式对最终效果的影响,并提供了具体的实现方案:1)准备Markdown格式的文档目录结构;2)通过Java服务读取文档内容;3)使用分块服务进行文档切分。文中给出了核心代码框架和测试接口示例,同时预告了可能遇到的六大常见问题(如文档长度、重复内容等)。该环节为后续生成Embedding和向量检索奠定了基

微服务架构面临服务治理、分布式事务、链路追踪等八大核心挑战。文章详细分析了这些难点,并给出技术解决方案:通过服务注册发现实现动态管理,采用同步(REST/Feign)和异步(RabbitMQ)通信模式,结合熔断降级(CircuitBreaker)保障系统稳定性。代码示例展示了服务注册、发现及通信的具体实现,为构建可靠分布式系统提供实践参考。

摘要: 本文通过真实案例分享从传统三层架构转向领域驱动设计(DDD)的历程。在一次双11大促中,由于订单与库存逻辑高度耦合,系统崩溃暴露出贫血模型的弊端:业务逻辑散落、代码臃肿、并发能力差。作者通过DDD重构系统,将业务拆分为订单、库存、支付等独立领域,采用充血模型封装核心逻辑。改造后,领域对象自主管理状态和行为,Service层仅负责流程编排,解决了代码维护性、可测试性和高并发问题。文章用城市分








