<<接上一节查询分析（Query analysis）到目前为止，我们一直是使用用户的原始输入查询来执行检索。然而，使用模型来生成查询语句具有下面的优势。例如：除了语义搜索之外，我们还可以构建结构化的过滤条件（例如：“查找自 2020 年以来的文档”）；模型可以将用户的查询重新优化成更有效的搜索查询，就算是原始查询比较复杂或包含无关内容。查询分析利用模型将用户的原始输入转换或构建为优化过的搜索查询。

无论是简单的命令行操作、图形界面、网页界面，还是完整的开发者API——都能找到适配的本地解决方案。👨‍💻我是一名有十年以上经验的Java老码农，曾经沉迷于代码的世界，也曾在传统业务系统中摸爬滚打。📌 如果你也是在技术瓶颈中思考转型、想了解 AI 如何与传统开发结合、又或仅仅想看一个普通工程师的进化之路，欢迎关注，一起探索，一起成长。这个公众号，记录的不是鸡汤，也不是“割韭菜”的教程，而是我一

我是一名有十年以上经验的Java老码农，曾经沉迷于代码的世界，也曾在传统业务系统中摸爬滚打。现在你应该能在 Claude Desktop 的界面中看到你的 MCP 服务器，以及它所提供的工具。也许是连接你的 CRM 系统的接口、通往内部知识库的网关，或者是操作企业数据的智能工具？这个公众号，记录的不是鸡汤，也不是“割韭菜”的教程，而是我一个程序员真实的思考、学习、实战经验，以及从困惑到突破的全过程

在现代开发中，掌握 AI 技术的使用正逐渐成为一项关键技能。本文将构建一个RAG 应用程序，它能够基于存储的文档回答用户的问题。我们将使用SpringAI,将应用程序与MongoDB向量数据库和大语言模型(LLM) 进行集成。

👨‍💻我是一名有十年以上经验的Java老码农，曾经沉迷于代码的世界，也曾在传统业务系统中摸爬滚打。📌 如果你也是在技术瓶颈中思考转型、想了解 AI 如何与传统开发结合、又或仅仅想看一个普通工程师的进化之路，欢迎关注，一起探索，一起成长。这个公众号，记录的不是鸡汤，也不是“割韭菜”的教程，而是我一个程序员真实的思考、学习、实战经验，以及从困惑到突破的全过程。在2025年，本地运行强大的AI语言

现代网页应用越来越多地集成大型语言模型（LLMs）来构建解决方案，这些解决方案不仅限于基于常识的问答。为了增强 AI 模型的响应能力，使其更具上下文感知，我们可以将其连接到外部资源，比如搜索引擎、数据库和文件系统。然而，整合和管理多种格式和协议不同的数据源是一个挑战。由 Anthropic 提出的模型上下文协议（Model Context Protocol，简称 MCP）解决了这一整合难题，提供了