全能单兵，但难以处理需要多步推演的长链条任务。

通用大模型的回答有时似是而非。RAG 通过检索真实数据作为依据，能有效减少AI对不熟悉的问题“凭空捏造”答案的情况。：大模型的知识截止于其训练时间。RAG 使AI能实时查询最新文档，回答永远基于最新信息。：通用模型对特定领域（如企业内网、医疗法律）的专有知识了解有限。RAG 允许接入私有或特定领域的知识库，提供专家级的精准回答。

Tool Calling（工具调用，早期称为 Function Calling）是 AI 应用中的一种常见模式，它允许大语言模型与一组外部 API 或工具进行交互，从而突破模型自身的知识局限。信息检索型：模型无法实时获取当前日期、天气等动态信息，通过工具可以从外部数据源获取实时数据，弥补模型知识的不足。例如，查询给定地点的当前天气。执行动作型：在软件系统中执行实际操作，如发送邮件、在数据库中创建新

Spring AI 官方的ChatMemory默认实现是，数据存于 JVM 堆内存，存在以下缺陷：无法持久化，应用重启后对话丢失不支持分布式部署，多实例间内存不共享内存占用随会话量线性增长，无法支撑生产规模因此我们需要更换存储方案。可选的有 MySQL、MongoDB 或 Redis。本文选择Redis，原因如下：读写速度快，适合高频对话场景数据结构丰富，List 天然适合存储聊天记录使用简单，S

优点注意事项实现简单，基于 Reactor 原生操作符不能节省 AI 调用费用，模型仍会生成完对原有流式逻辑侵入小分布式环境需替换 Map 为 Redis支持多会话并发前端需配合处理STOP事件类型扩展建议若需要真正节省成本，应配合模型厂商提供的“取消生成”API（如 OpenAI 的 Cancel 接口），但这通常有延迟且并非所有模型都支持。可以在stop时额外记录日志，用于监控用户主动停止的频

Prompt工程实践：https://blog.csdn.net/weixin_55772633/article/details/160602120?spm=1011.2415.3001.5331Prompt 工程实战指南（超级全面版）：https://blog.csdn.net/weixin_55772633/article/details/160692434?spm=1011.2415.300

标签含义说明CURRENT稳定的当前正式发布版，是官方推荐生产环境使用的版本，经过完整测试，Bug 最少SNAPSHOT快照版，开发中的预览版本，会频繁更新，可能存在不稳定的 API 或 Bug，仅用于测试PRE(这里是M5预发布里程碑版，还在开发周期中的阶段性版本，功能未完全冻结，不建议生产使用我们这里选择最新的稳定版本1.1.5@Data@Builder/*** 文本内容*//*** 事件类型

大模型很强大，但它不知道你家产品的退换货政策，也不知道上个月新出的技术文档。RAG（检索增强生成）让模型“外挂”知识库，成为企业落地的关键技术。本文不讲空话，从架构到选型，带你理清 RAG 的每个关键环节。

所有大模型都有训练数据截止日期。GPT‑4o 的知识截止在 2024 年初，DeepSeek‑V3 类似。这意味着：去年下半年新出的法规，模型不知道最新版本的框架文档，模型不知道你公司昨天上线的产品，模型不知道对大多数企业应用来说，“最新”恰恰是最重要的东西。

所有大模型都有训练数据截止日期。GPT‑4o 的知识截止在 2024 年初，DeepSeek‑V3 类似。这意味着：去年下半年新出的法规，模型不知道最新版本的框架文档，模型不知道你公司昨天上线的产品，模型不知道对大多数企业应用来说，“最新”恰恰是最重要的东西。