/ 智能体1：意图识别（只负责解析用户需求） @AiService interface IntentAgent {@SystemMessage("提取用户需求的核心意图、关键参数（如客户ID、产品名称），只返回结构化信息，不冗余") String parseIntent(String question);} // 智能体2：RAG检索（只负责从PGVector检索知识） @AiService in

/ 智能体1：意图识别（只负责解析用户需求） @AiService interface IntentAgent {@SystemMessage("提取用户需求的核心意图、关键参数（如客户ID、产品名称），只返回结构化信息，不冗余") String parseIntent(String question);} // 智能体2：RAG检索（只负责从PGVector检索知识） @AiService in

/ 智能体1：意图识别（只负责解析用户需求） @AiService interface IntentAgent {@SystemMessage("提取用户需求的核心意图、关键参数（如客户ID、产品名称），只返回结构化信息，不冗余") String parseIntent(String question);} // 智能体2：RAG检索（只负责从PGVector检索知识） @AiService in

SSE和WebSocket没有“谁更好”，只有“谁更合适”：SSE是“轻骑兵”，主打一个简单高效，适合单向流式推送场景，不用复杂配置，上手即能用；WebSocket是“重型坦克”，功能强大，适合双向实时交互、二进制传输场景，能扛住高频交互的需求。对于Java后端开发者来说，掌握两者的差异和选型逻辑，能少走很多弯路——比如做AI流式输出时，用SSE比WebSocket节省50%的开发时间；做实时聊天

*** 自定义 Redis 记忆仓库，使用 Kryo 序列化// Redis 键前缀，格式：chat:memory:{conversationId} private static final String REDIS_KEY_PREFIX = "chat:memory:";

*** 金融风控场景智能体（可直接适配企业业务）// 1. 交易监控智能体：识别异常交易（大额、异地） @Agent(name = "transactionMonitorAgent" , description = "监控用户交易行为，识别异常交易，输出风险提示") @UserMessage("你是交易监控智能体，分析交易数据，重点关注大额、异地、频繁交易，输出异常分析报告，明确风险等级（低/中/

其实RAG并不复杂，对Java后端来说，核心就是“用Spring Boot搭框架、用智谱SDK做生成、用PgVector做检索”，全程不用脱离自己的技术栈，不用学复杂的AI理论。增加文件上传接口，支持前端上传文档；引入Redis缓存，缓存高频问题的检索结果，提升响应速度；优化文本分块逻辑，引入LangChain4j实现语义分块；增加权限控制，确保私有知识库的安全性。

其实RAG并不复杂，对Java后端来说，核心就是“用Spring Boot搭框架、用智谱SDK做生成、用PgVector做检索”，全程不用脱离自己的技术栈，不用学复杂的AI理论。增加文件上传接口，支持前端上传文档；引入Redis缓存，缓存高频问题的检索结果，提升响应速度；优化文本分块逻辑，引入LangChain4j实现语义分块；增加权限控制，确保私有知识库的安全性。

fail-fast 适合单线程、遍历为主、无并发修改的场景，此时性能最优；多线程并发场景下，其稳定性差、需加锁，反而会拉低性能。fail-safe 适合多线程、读多写少的场景（如配置列表、白名单），此时读性能无损耗，牺牲少量内存和写性能换取并发安全；若写操作频繁，其性能会严重下降，不适合此类场景。fail-fast：迭代原集合，靠modCount校验，并发修改抛异常；单线程性能好，多线程需加锁，性

ES性能调优不是单一维度的优化，而是“写入、查询、集群、JVM”的协同优化，记住以下10条黄金准则，可解决90%的生产性能问题：写入必用Bulk批量，控制单批大小5~15MB；查询优先用filter，利用缓存减少打分；深度分页禁用from+size，首选search_after；聚合、排序、精确匹配必须用keyword类型；text字段仅用于全文检索，关闭不必要的索引；JVM堆内存设为32GB以内