solon

带刺的坐椅

Hot-Plug 实战：运行期管理 Solon 插件业务模块每次更新，都得重启整个应用吗？小服务可能只是有点烦。可一旦你在跑一个挂了几十个集成模块的单体应用，或者一个按区域下发路由规则的网关，每一次重启都意味着一个中断窗口、一次连接排空，外加围绕"什么时候重启才安全"的一番折腾。

带刺的坐椅

Solon I18n：三种解析器，零样板代码如果你在 Spring Boot 里做过国际化，流程大概是这样的：配 MessageSource 的 Bean、写 ReloadableResourceBundleMessageSource、声明 LocaleResolver、注册 LocaleChangeInterceptor…五六步之后才能看到第一行翻译文本。

SolonCode v2026.8.4 发布：界面字体可调、22 种语言、记忆搜索增强打开终端就能上岗的全中文编码智能体，这一轮把「看得清、用母语、记得住」三件事一次补齐。SolonCode 是杭州无耳科技研发的企业级终端编码智能体——一位全中文驱动的数字员工，自主理解需求、规划步骤、编写代码。不挑模型、不挑平台，curl 一行装完即用。

带刺的坐椅

跳出 Fatjar 的束缚：Solon 插件的体外扩展（E-Spi）与热插拔（H-Spi）你把一个 Java 服务打成了单个 fatjar 发布出去。然后现实来了：运维想把数据源指向另一台主机，却不想让你重新构建；业务团队想在凌晨两点把某个模块下线，又不想重启整个进程。如果你唯一的答案是"重新打包、整包重发"，那每一次都能感觉到那股摩擦。

Solon 的 10 种 HTTP 服务器：改一行依赖，换一个引擎用 Solon 做线上项目有一阵子了，有个点总让新接触的人觉得意外：服务器引擎是让你选的。Solon 内核约 0.3MB，不内置固定的 HTTP 服务器。HTTP 引擎是一个独立插件。你选一个，或者选两个，不同环境之间切换，一行应用代码都不用改。

带刺的坐椅

Solon 的 10 种 HTTP 服务器：改一行依赖，换一个引擎用 Solon 做线上项目有一阵子了，有个点总让新接触的人觉得意外：服务器引擎是让你选的。Solon 内核约 0.3MB，不内置固定的 HTTP 服务器。HTTP 引擎是一个独立插件。你选一个，或者选两个，不同环境之间切换，一行应用代码都不用改。

带刺的坐椅

别再把 Coding Agent 当智能补全了：SolonCode 想做的是数字员工很多团队对 AI 编码的体验，其实还停在这一层：这些能力有价值，但它们解决的是局部敲键成本，不是任务交付成本。

带刺的坐椅

当所有人都在用 TS/Python 写 Agent，我们为什么坚持 Java打开今天主流 Coding Agent / AI 编程助手的技术叙事，你会看到高度收敛的画面：这并不奇怪。Agent 需要快速试错、大量胶水代码、丰富的脚本生态；TS/Python 在「个人开发者工具」赛道上确实更轻、更快出 demo。

带刺的坐椅

Solon AI：Tool 与 Talent 怎么选？从函数到领域专家多数 Agent 教程停在工具层：给模型一个函数 Schema，指望它会正确调用。这对 get_time、hash_string 够用；一旦模型跳过知识库检索就直接开工单，或把几十上百个 API 全塞进上下文，就会崩。

带刺的坐椅

Solon TeamAgent 协作协议：从 SEQUENTIAL 流水线到 HIERARCHICAL 主管团队如果单个智能体是专家，那团队就是组织架构。难点不在“多加几个 Agent”，而在于：下一步谁说话、谁审核、何时停机。

用 Solon ReActAgent 落地发票识别与智能报销某中型企业财务部每月处理大量报销单，团队疲于奔命：说明：这是典型业务闭环，正确入口是 ReActAgent + 领域工具 + HITL。不要使用虚构的 implements Tool、Harness.call()、AiInterceptor、memory.search()。

带刺的坐椅

用 Solon TeamAgent 落地供应链异常管理与自动补货某制造企业供应链团队每天要处理大量供应商、库存、物流异常。核心问题：说明：供应链场景天然是多职责协作，更适合 TeamAgent + 多个 ReActAgent 成员。

带刺的坐椅

用 Solon ReActAgent 落地发票识别与智能报销某中型企业财务部每月处理大量报销单，团队疲于奔命：说明：这是典型业务闭环，正确入口是 ReActAgent + 领域工具 + HITL。不要使用虚构的 implements Tool、Harness.call()、AiInterceptor、memory.search()。

带刺的坐椅

用 Solon AI ReActAgent 落地智能客服工单处理某电商平台售后工单日均 5,000+，人工处理有三个老大难：核心矛盾：工单量增速明显快于客服团队扩编速度。

带刺的坐椅

多 Agent 协作实战：任务编排与子代理系统在构建智能应用的过程中，我逐渐发现一个残酷的真相：单个 Agent 的能力存在天花板。即便你给了它最强大的模型、最丰富的工具集、最详尽的系统提示，它仍然会在某些场景下力不从心。

带刺的坐椅

代码审查 Agent Harness 实战：AI 自动 Code Review如果你在团队里做过 Reviewer，大概率经历过这些场景：上午打开 GitHub，10 个 PR 等着你，每个 PR 上千行变更，业务逻辑弯弯绕绕，你一个一个文件翻，看到眼睛发酸；好不容易审到一半，业务方过来说"这个 PR 今天必须合"，你只能加速扫读，结果低级 bug 溜进了生产环境；更别提那些缩进混乱、命名随意、硬编码密钥的"风格问题"——你说吧显得啰嗦，不说吧又膈应。

带刺的坐椅

把 OpenAPI 接入 Agent Harness：零代码让 Agent 听懂你的 REST API在过去两年里，我和团队接手了好几个「上了年纪」的 Java 项目。这些系统有一个共同特征：业务逻辑完整，API 齐全，Swagger 文档也写得规规矩矩，但前端换了一波人，文档却没人维护了。新来的同事要查一个订单接口，得翻好几个 YAML 文件，再对着代码比对字段名。

ReActAgent 实战指南：构建会思考、能行动的 AI Agent如果你希望 AI 不仅能聊天，还能真正做事——查数据库、调 API、做决策、从结果中学习——那你来对地方了。

用 ChatModel 构建 LLM 驱动的 Java 应用如果你尝试过在 Java 应用中集成大语言模型（LLM），大概率写过不少样板代码：HTTP 客户端、JSON 解析、流式处理、会话管理……Solon AI 4.0 的 ChatModel 用一套简洁的 Builder API 把这些都封装好了。

带刺的坐椅

ReActAgent 使用指南：构建会思考、能行动的 AI Agent如果你希望 AI 不仅能聊天，还能真正做事——查数据库、调 API、做决策、从结果中学习——那你来对地方了。