本文适合 Java / Spring Boot 开发者入门 Spring AI。重点不是模型训练，而是如何把大模型能力接入企业 Java 系统：ChatClient 调模型、RAG 接知识库、Tool Calling 调业务接口，以及落地时必须考虑的权限、日志、成本和可观测性。Java 开发者不一定要先转 Python，才能进入 AI 应用开发。如果你的目标是把 AI 能力接入企业系统，Sprin

这份 md 后面有大量工具定义。每个工具都不是只有名字。required:工具名称：模型调用时用哪个 name。工具描述：这个工具能做什么。使用时机：什么时候应该用。禁止场景：什么时候不能用。参数结构：有哪些字段。参数类型：字符串、数组、对象、枚举等。必填字段：哪些参数必须传。调用后行为：调用完要不要继续回答，还是等待下一轮。失败处理：工具失败时应该怎么解释。也就是说，它不只是告诉模型“有这个工具

不玄。它只是提醒我们：上下文窗口变大，不代表模型能稳定用好里面的所有内容。在 RAG 里，不要只盯着“有没有召回”。召回了什么？放进 prompt 的顺序是什么？关键资料是不是足够显眼？模型最后有没有真的用上？解决方向也很明确。少放一点。排好一点。切准一点。记录清楚一点。这比一味拉大topK、拉长 Context Window，要靠谱得多。因为很多 Agent 的“记忆问题”，其实不是模型记性不好

Context Window 不是记忆。它只是模型这一次能看到的临时空间。窗口大，不等于模型能稳定用好所有内容；Memory 通常是应用层的外部存储，需要时再取回来；上下文工程的目标不是塞满窗口，而是把有用的信息放对位置。我是 Dilee，11 年 Java 老兵，专注 AI 落地应用。后续会继续更新 Spring AI、RAG、Memory、Tool Calling、MCP 等实战内容。

Context Window 不是记忆。它只是模型这一次能看到的临时空间。窗口大，不等于模型能稳定用好所有内容；Memory 通常是应用层的外部存储，需要时再取回来；上下文工程的目标不是塞满窗口，而是把有用的信息放对位置。我是 Dilee，11 年 Java 老兵，专注 AI 落地应用。后续会继续更新 Spring AI、RAG、Memory、Tool Calling、MCP 等实战内容。

这篇文章，我们把Advisor单独拆开讲了一遍。它解决的不是“怎么把代码写得高级”，而是一个更实际的问题：不要把记忆、RAG、日志、token 统计，全都塞进 Service。对话记忆是在调用前补历史，RAG 是在调用前补资料，日志和 token 统计是在调用前后观察这次请求。它们都围绕模型调用展开，所以适合交给。业务代码继续写业务。模型增强交给增强链。下一步如果要深入，就可以看自定义 Advis

这篇文章，我们把Advisor单独拆开讲了一遍。它解决的不是“怎么把代码写得高级”，而是一个更实际的问题：不要把记忆、RAG、日志、token 统计，全都塞进 Service。对话记忆是在调用前补历史，RAG 是在调用前补资料，日志和 token 统计是在调用前后观察这次请求。它们都围绕模型调用展开，所以适合交给。业务代码继续写业务。模型增强交给增强链。下一步如果要深入，就可以看自定义 Advis

Token 不是字数，它是模型真正处理文本的单位。成本看 Token，不看字数；上下文窗口也是 Token，不是字符数；生产环境一定要记录usage，而且输入、输出、缓存、推理要分开看。把 Token 搞明白，你后面学 RAG、记忆、工具调用、Agent 工作流，都会轻松很多。后续会继续更新 AI Agent、Spring AI、RAG、Memory、Tool Calling 等内容。

ChatClient：发起调用；Prompt：描述请求；Advisor：前后增强；ChatModel：对接模型；：承接结果。以后再看，就不会只看到一行代码了。你会知道它背后经过了哪些层，每一层大概在干什么。如果你已经跑通了 Spring AI 的 Hello World，建议回头再看一遍这篇，会更清楚。因为对话记忆、RAG、日志增强这些能力，基本都会绕到它。后续会继续更新 Spring AI、RA

ChatClient：发起调用；Prompt：描述请求；Advisor：前后增强；ChatModel：对接模型；：承接结果。以后再看，就不会只看到一行代码了。你会知道它背后经过了哪些层，每一层大概在干什么。如果你已经跑通了 Spring AI 的 Hello World，建议回头再看一遍这篇，会更清楚。因为对话记忆、RAG、日志增强这些能力，基本都会绕到它。后续会继续更新 Spring AI、RA