本文介绍了一个基于AgentScope Java的人机协作（HITL）聊天系统开发教程。该项目支持AI自主调用工具、动态配置MCP服务器、中断危险操作等功能，适用于敏感操作审批、交互式调试等场景。系统采用Spring Boot+WebFlux框架，集成Qwen大模型和SSE实时通信，具备动态工具配置、会话中断、危险操作确认等核心特性。教程提供了完整的代码仓库（Gitee）和Maven项目配置示例，

本文介绍了一个基于AgentScope Java的人机协作（HITL）聊天系统开发教程。该项目支持AI自主调用工具、动态配置MCP服务器、中断危险操作等功能，适用于敏感操作审批、交互式调试等场景。系统采用Spring Boot+WebFlux框架，集成Qwen大模型和SSE实时通信，具备动态工具配置、会话中断、危险操作确认等核心特性。教程提供了完整的代码仓库（Gitee）和Maven项目配置示例，

代码地址：https://gitee.com/CodeMao01/spring-ai-learn注意：先自行下个ollma，然后拉个本地大模型，我用的qwen2:7bxml配置：yaml配置：1.2、简单调用（流式 + 非流式）url: localhost:8080/doc.htmlChatModel是通过自动注入的，可以通过配置文件关掉ChatClient.Builder是通过注入，可以通过配置

代码地址：https://gitee.com/CodeMao01/spring-ai-learn注意：先自行下个ollma，然后拉个本地大模型，我用的qwen2:7bxml配置：yaml配置：1.2、简单调用（流式 + 非流式）url: localhost:8080/doc.htmlChatModel是通过自动注入的，可以通过配置文件关掉ChatClient.Builder是通过注入，可以通过配置

Harness Engineering = 编排层 + 执行层 + 反馈层 + 记忆层编排层：做全局规划，清晰目标，拆解任务执行层：从只能聊天变成真正的干活反馈层：收集执行层反馈的结果进行过滤处理并反馈给记忆层提示词工程：角色、背景、历史对话、参考文档、限制、输出格式等为什么相同大模型换个AI IDE效果不一样？因为上下文。

Harness Engineering = 编排层 + 执行层 + 反馈层 + 记忆层编排层：做全局规划，清晰目标，拆解任务执行层：从只能聊天变成真正的干活反馈层：收集执行层反馈的结果进行过滤处理并反馈给记忆层提示词工程：角色、背景、历史对话、参考文档、限制、输出格式等为什么相同大模型换个AI IDE效果不一样？因为上下文。