response = model.invoke("请从文本中提取姓名、邮箱和手机号，并返回 JSON")看起来没问题。当然可以，下面是提取结果：```json甚至：```json这些对人类来说都能看懂，但对程序来说很麻烦。结构化输出要解决的就是这个问题：让模型输出符合你定义的 schema，并让应用拿到可直接使用的结构化对象，而不是靠猜、靠正则、靠手动清洗。结构化输出的目标，是把 LLM 的自然语

上一篇我们用response = model.invoke("用三句话解释 LangChain")这段代码看起来很简单，但它背后藏着 LangChain 模型层最核心的设计思想：业务代码尽量面向统一模型接口，供应商差异尽量收敛到模型初始化和集成包里。为什么这件事重要？今天用 OpenAI，明天想测试 Claude。国内网络环境下，需要切 DeepSeek、通义、智谱或其他供应商。本地开发时想用 O

上一篇我们用response = model.invoke("用三句话解释 LangChain")这段代码看起来很简单，但它背后藏着 LangChain 模型层最核心的设计思想：业务代码尽量面向统一模型接口，供应商差异尽量收敛到模型初始化和集成包里。为什么这件事重要？今天用 OpenAI，明天想测试 Claude。国内网络环境下，需要切 DeepSeek、通义、智谱或其他供应商。本地开发时想用 O

上一篇我们用response = model.invoke("用三句话解释 LangChain")这段代码看起来很简单，但它背后藏着 LangChain 模型层最核心的设计思想：业务代码尽量面向统一模型接口，供应商差异尽量收敛到模型初始化和集成包里。为什么这件事重要？今天用 OpenAI，明天想测试 Claude。国内网络环境下，需要切 DeepSeek、通义、智谱或其他供应商。本地开发时想用 O

上一篇我们用response = model.invoke("用三句话解释 LangChain")这段代码看起来很简单，但它背后藏着 LangChain 模型层最核心的设计思想：业务代码尽量面向统一模型接口，供应商差异尽量收敛到模型初始化和集成包里。为什么这件事重要？今天用 OpenAI，明天想测试 Claude。国内网络环境下，需要切 DeepSeek、通义、智谱或其他供应商。本地开发时想用 O

上一篇我们用response = model.invoke("用三句话解释 LangChain")这段代码看起来很简单，但它背后藏着 LangChain 模型层最核心的设计思想：业务代码尽量面向统一模型接口，供应商差异尽量收敛到模型初始化和集成包里。为什么这件事重要？今天用 OpenAI，明天想测试 Claude。国内网络环境下，需要切 DeepSeek、通义、智谱或其他供应商。本地开发时想用 O

Spring AI 是一个由 Spring 团队推出的官方项目，旨在为 Java 开发者提供一种声明式、可移植的方式来构建 AI 应用。统一抽象：提供ChatModel等核心接口，屏蔽底层 AI 服务商的差异声明式编程：通过注解和自动配置简化集成模块化设计：支持 OpenAI、Azure、HuggingFace、Ollama 等多个 AI 提供商一句话总结：Spring AI 之于 AI 服务，就

对话补全，支持 GPT-4o、GPT-4、GPT-3.5 等模型：文本向量化，支持 text-embedding-3-small/large：图片生成，支持 DALL-E 系列模型：语音转文字，支持 Whisper 模型：函数调用，让 AI 可以调用外部工具一句话总结：Spring AI 将 OpenAI 的 REST API 封装为优雅的 Java 接口，使开发者可以用 Spring 的方式调用

用过 ChatGPT 的都体验过"一个字一个字往外蹦"的感觉——相比等上十几秒才看到一整段回复，流式输出让用户感觉"AI 已经在思考了"。从产品角度讲，用户对 AI 响应的耐心阈值只有 2-3 秒。超过这个时间，用户会以为程序卡死了。流式响应的本质不是技术炫技，而是用时间换体验——让用户在等待的同时已经在消费内容。但从技术角度看，在 Spring AI 中实现流式调用，跟同步调用完全是两套逻辑。S

多次询问某个区间的和统计某种满足条件的连续子数组在二维矩阵里快速求某个子矩形的元素和这类题如果每次都老老实实从头加到尾，代码不复杂，但效率通常很差。而前缀和的价值就在于：它可以把“重复计算一段区间”的过程，变成“先预处理一次，之后快速查询”。前缀和是算法题里非常基础、但又非常高频的一种技巧。什么时候一眼就该想到前缀和前缀和如何和哈希表、二维数组等模型组合使用学完这篇，你应该能把“区间和问题”迅速转