因为最近要搞关于基于AI的文本接口测试.需要用到websocket协议,于是看了一下发现postman也可以测而且很方便。

项目中我们存储一些用户信息的使用后根据规定,不可以存储明文,尤其是密码,实现的办法有好多种,今天承接上一篇文章mybatis拦截器,利用拦截器实现使用注解的方式在数据插入前进行加密,查询是自动进行解密的功能,前面提到过mybatis-plus拦截器用起来更方便一点,但是有个问题就是,如果使用了mybatis-plus拦截器就没办法在换其他的框架了声明: 此功能是根据自己需求改造其他大佬的项目而来(

前一篇文章已经初步介绍了一下spring-batch的作用和使用场景,以及初步了解了一下怎么使用的,接下来就通过一个综合的demo来详细介绍一下spring-batch的用法,分为了两部分tasklet的方式和chunk的方式。

1.是一款让你更好的书写API接口文档的的规范且完整框架。2.提供描述、生产、消费和可视化的电子书3.是由庞大工具集合支撑的形式化规范。4.简单理解：swagger就是为了方便系统生成API接口文档的。

Jenkins是一个开源的持续集成和持续部署（CI/CD）工具, 可以大大减轻部署的工作量, 但是jenkins作为一个国外的软件, 在国内下载插件会很麻烦, 因此我们可以将其换为国内源。

Spring AI 是 Spring 官方推出的 Java AI 集成框架，简化了在 Spring Boot 应用中接入 AI 能力的过程。它支持集成主流大语言模型（如 OpenAI、Gemini 等），提供 ChatClient 和 ChatModel API 进行对话交互，支持 Prompt 模板和变量替换。框架还包含 RAG 功能，可将文本向量化存储到各类向量数据库，并支持对话记忆管理，通过

LangChain Agent是一种结合大语言模型与外部工具的执行系统，赋予AI自主决策和行动能力。本文演示了如何利用LangChain框架构建一个简单的加法计算Agent。通过本地部署的Qwen2.5-7B模型，配置了只支持加法的工具函数，并采用ReAct机制实现"推理-行动-观察"的决策循环。当用户提问"123加456等于多少"时，Agent会先判断需要

OpenAI-Java是一个Java开源库，用于简化与OpenAI模型的交互。文章介绍了如何通过Maven引入依赖，创建OpenAIClient实例（建议全局复用），以及使用本地部署的Qwen3-8b模型实现简单对话。示例代码展示了如何配置请求参数（包括提示词和模型设置），并解析返回的JSON响应。测试结果显示了模型生成的一段自我介绍文本，包含模型能力和服务目标说明。该库让Java开发者可以方便地

MCP（Model Context Protocol，模型上下文协议）是由Anthropic公司推出的开放标准协议，旨在为大型语言模型（LLM）与外部数据源、工具及服务提供统一的通信框架MCP主机：发起请求的应用（如Claude Desktop）。MCP客户端：负责与服务器通信。MCP服务器：提供资源（如数据库）、工具（如API调用）和提示模板。

本文介绍如何使用LangChain框架构建本地RAG（检索增强生成）系统，实现基于私有知识的LLM问答。通过Python代码示例，详细展示了从加载文档、文本分块、向量化存储到配置本地Qwen模型和构建RAG链的完整流程。该系统利用FAISS向量数据库进行高效检索，结合本地部署的LLM保障数据隐私。相比LlamaIndex，LangChain更适合简单RAG场景，提供模块化的链式编程体验。文章还解释