1、pom<dependency><groupId>com.corundumstudio.socketio</groupId><artifactId>netty-socketio</artifactId><version>1.7.18</version></dependency><dep

1、searxng安装配置 详见2、本文介绍如何使用 Spring AI Alibaba 构建大模型联网搜索应用结合模块化 RAG（Module RAG）和信息检索服务（SearXNG）赋能大模型。

1.1 查询重写：QueryTransformer 查询改写：因为用户的输入通常是片面的，关键信息较少， 不便于大模型理解和回答问题。1.2 扩充问题：MultiQueryExpander查询扩展：将用户 query 扩展为多个语义不同的变体以获得不同视角，有助于检索额外的上下文信息并增加找到相关结果的机会。1、Pre-Retrieval 增强和转换用户输入，使其更有效地执行检索任务，解决格式不正

1、文本分割优化，建议 200 和40，把文档切得更碎一些方便检索命中。2、RAG接口进一步优化。

1、接口地址/v1/workspace/{slug}/stream-chatPOST请求。2、场景描述，把数据库中的数据查询出来，封装成json字符串，带上相关问题和数据交给大模型。对于message参数中的json字符串的双引号 "需要转义添加\。json字符串中的" 需要转义 为 \"

2、spring-ai 大模型应用程序通过RedisChatMemory实现对话记忆。对 RedisChatMemory进行简单改造，改造后的代码如下。然后用maven编译安装，记下安装后的版本，此时我用的版本是。1、RedisChatMemory的实现。

2、修改 .env文件 ，把端口冲突的改掉。1、从github上下载。

1、之前实现过百度翻译的tools，什么是mcp，个人理解这里在代码的表现形式上就是把工具和AI程序分开，AI程序通过远程调用mcp-tools服务端实现远程tools的调用。集成阿里大模型，是mcp客户端，通过调用mcp服务端实现天气查询，等于把集成在程序中的tools分离出，通过远程调用的方式来调用tools。远程tools，实现方式类似本地tools，此处实现天气tools。2、MCP服务端

通过利用 Advisors API，开发人员可以创建更复杂、可重用和可维护的 AI 组件。是关键的 advisor 方法，通常执行诸如检查未密封的 Prompt 数据、自定义和扩充 Prompt 数据、调用 advisor chain 中的下一个实体、选择性地阻止请求、检查聊天完成响应以及引发异常以指示处理错误等作。主要优势包括封装重复的生成式 AI 模式、转换发送到大型语言模型 （LLM） 和从

4、修改 Caddyfile，防止 caddy 默认配置的 80端口冲突。格式，在使用网络爬虫或其它形式的分析器调用 API 时，希望返回。1、docker-compose 部署searXNG。7、anythingLLM配置 websearch。3、执行下面命令，生成secret key。5、docker-compose配置文件。6、配置settings.yml。格式，这时就需要修改返回格式。项目