这里我们是将所有操作打包成本地工具，由AI决定是否执行工具，执行什么工具，比如有了主题词，那么就调用视觉分析工具，有了分析内容，那么判断是否调用搜素工具，全程由AI决策，效果整体比较好，而不是硬编码决策，这里只是提供思路，大伙可以根据自己情况去修改。

面试官：我们电商中台正在重构秒杀系统。原单体应用QPS卡在1200就OOM，现在要拆成、、、四个Spring Boot微服务。你说说——谢飞机（咽下饼干渣）：“啊…Gateway！因为能写Java过滤器，还能集成Sentinel…限流嘛，网关层QPS限1000，服务层用@SentinelResource再限500…最终一致性？呃…MQ发个消息，消费者重试？本地事务？不能不能，跨服务了！”✅ 面试官

“这是Kubernetes ConfigMap + Spring Cloud Kubernetes的典型实践。把动态配置外置，镜像做到一次构建、处处运行。

公司：某TOP3智慧物流科技平台（日均处理500万+订单）岗位：Java后端开发工程师（P6，主攻订单履约中台）面试官：王工，12年经验，负责履约系统稳定性与SRE体系建设求职者：谢飞机，3年经验，简历写着“精通Spring全家桶”，实际常靠Ctrl+C/V和Stack Overflow续命面试官：我们先聊下背景。系统要支撑双11峰值每秒3万订单创建+实时履约状态更新（已揽收/在途/签收/异常），

总结：这一套链路花费了很大的心血，因为这个是博主从未涉足的功能，思路和方法都是一点一点研究出来的，真的要被搞崩溃了，从每次满怀期待，到被深深打击，再满怀期待，再被打击，每一次的碰壁，真的很让人崩溃。目前整个项目东西太多了，已经到博主能力的地步了，每一次修改都会引入新的错误，而且AI如果修改不好，博主可能一做一整天都解决不了，已经超出资深能力范围了。但是看到这里，博主想说的是，这种碰壁真的太正常了，

最近博主在做一些关于智能体对于图片搜索的一些功能，大致场景是用户用户上传图片后智能体可以分析图片，精确识别，还能返回类似的图片，这一点和豆包类似，博主就是通过豆包获取的想法，来优化一下我们的智能体项目，这个功能虽然听着很简单，，对于这一块不了解的博主来说，博主一开始也是这么想的，只能说太天真了，这个功能没有那么简单，下面博主分享一下我们具体踩坑的，然后怎么去找解决方案。

AI 长期记忆（Long‑Term Memory, LTM），就是让大模型跨会话、跨时间记住关键信息（偏好、事实、历史交互），不被上下文窗口限制，从而像人一样有 “连贯的人设” 与 “持续的经验”。Jaccard相似度 = 两个集合的交集大小 ÷ 并集大小原始聊天有大量：客套话、解释、推理、举例、冗余废话。直接全存占 Token、占存储空间后续检索时混入无关内容，干扰 AI 判断摘要 = 只留核心

这是advisor的继承体系，可以看见我们的advisor和,他们的实现类都差不多我们查看advisor接口的内部，发现他继承自order接口，并且内部提供了一个变量，这个博主也不太理解，下面引入一下AI的解释一、这是定义Chat Memory Advisor 的默认执行优先级顺序。部分含义Spring 框架中定义的最高优先级值（通常是，即+ 1000在最高优先级基础上往后挪1000位，也就是**

博主先演示一遍博主怎么在项目中配置chatClient的这里面我们调用chatclient就指定了advisor,prompt,等属性，最后调用call方法获取请求，通过chatResponse返回一次AI调用的具体返回内容这一点博主其实也挺迷惑的，为什么这么设置就可以配置chatCLient了，它内部到底发生了什么，她所需要的各种参数又是啥，刚接触AI那会不太理解为什么我们，现在博主浅浅翻阅了一

博主先演示一遍博主怎么在项目中配置chatClient的这里面我们调用chatclient就指定了advisor,prompt,等属性，最后调用call方法获取请求，通过chatResponse返回一次AI调用的具体返回内容这一点博主其实也挺迷惑的，为什么这么设置就可以配置chatCLient了，它内部到底发生了什么，她所需要的各种参数又是啥，刚接触AI那会不太理解为什么我们，现在博主浅浅翻阅了一