组件类比核心职责ChatModel数据库连接和模型 API 通信的底层接口@AiServiceDAO 接口声明式定义 AI 能力，框架生成实现Tools服务方法给模型提供调用外部系统的能力ChatMemorySession管理多轮对话历史向量数据库存储和检索向量化的知识Agent业务服务组合所有组件，自主完成复杂任务。

SystemMessage("你是一个 Java 技术助手，记住用户在对话中提到的技术栈和问题背景")

Component@Tool("查询指定城市的实时天气信息，包括温度、天气状况和风力")@P("城市名称，例如：北京、上海、广州") String city) {// 实际项目调用天气 API，这里用 Mock 数据演示return String.format("%s：晴天，温度18°C，风力2级", city);@Tool("查询未来几天的天气预报")@P("城市名称") String city

组件入门方案升级方案文档加载器按需选用 FileSystem / Url 加载器文档解析器ApacheTika（默认）ApachePdfBoxDocumentParser（PDF专精）文档分割器默认递归分割（300字符）自定义递归分割（500字符，100重叠）向量模型内存版低维模型阿里云 text-embedding-v3向量数据库RedisSearch（数据持久化）

RAG全称为 Retrieval Augmented Generation，翻译过来是检索增强生成，简单理解就是通过检索外部知识库的方式增强大模型的生成能力。正常情况下当用户把问题发送给AI应用，AI应用内部组织调用大模型的数据并发送给大模型，接下来大模型会根据接收到的数据生成结果并响应给AI应用，然后AI应用再把接收到的消息响应给用户。这是咱们目前程序的一个基本工作流程。

本文介绍了大模型通过Tools工具（函数调用）与业务系统交互的原理和实现方法。核心流程包括：1）发送函数描述清单；2）大模型决策是否调用；3）执行对应Java方法；4）反馈结果循环处理。通过LangChain4j框架的@Tool和@P注解，开发者可以快速将业务函数（如预约服务）接入大模型。实战演示了为AI志愿填报顾问添加预约功能的过程，包括定义工具方法、配置AI服务以及测试验证。这种组合RAG检索

本文介绍了大模型通过Tools工具（函数调用）与业务系统交互的原理和实现方法。核心流程包括：1）发送函数描述清单；2）大模型决策是否调用；3）执行对应Java方法；4）反馈结果循环处理。通过LangChain4j框架的@Tool和@P注解，开发者可以快速将业务函数（如预约服务）接入大模型。实战演示了为AI志愿填报顾问添加预约功能的过程，包括定义工具方法、配置AI服务以及测试验证。这种组合RAG检索

组件入门方案升级方案文档加载器按需选用 FileSystem / Url 加载器文档解析器ApacheTika（默认）ApachePdfBoxDocumentParser（PDF专精）文档分割器默认递归分割（300字符）自定义递归分割（500字符，100重叠）向量模型内存版低维模型阿里云 text-embedding-v3向量数据库RedisSearch（数据持久化）

RAG全称为 Retrieval Augmented Generation，翻译过来是检索增强生成，简单理解就是通过检索外部知识库的方式增强大模型的生成能力。正常情况下当用户把问题发送给AI应用，AI应用内部组织调用大模型的数据并发送给大模型，接下来大模型会根据接收到的数据生成结果并响应给AI应用，然后AI应用再把接收到的消息响应给用户。这是咱们目前程序的一个基本工作流程。

注册一个MessageWindowChatMemory的Bean@Bean.build();为什么限制数量？一是大模型有上下文窗口限制，二是按 token 计费，发得越多越贵。窗口大小是一个实用的折中。不再需要单一的chatMemoryBean，而是提供一个，它负责按需创建新的ChatMemory对象并设置 ID。@Bean.id(memoryId) // 关键：绑定唯一ID.build();需求