ai智能

努力的小雨

半小时快速入门Spring AI：使用腾讯云编程助手CodeBuddy 开发简易聊天程序随着人工智能（AI）技术的飞速发展，越来越多的开发者开始探索如何将AI集成到自己的应用中。人工智能正在迅速改变各行各业的工作方式，从自动化客服到智能推荐系统，AI的应用几乎无处不在。Spring AI作为一种开源框架，提供了强大的功能，使开发者能够轻松集成AI到Spring Boot应用中。结合腾讯云编程助手CodeBuddy的帮助，开发者不仅可以大幅度加快开发速度，还能减少常见的开发错误。CodeBuddy通过自动化代码生成和错误提示，特别适合那些对AI技术感兴趣却又没有太多开发经验的用户。

努力的小雨

从零到一：打造高效的金仓社区 API 集成到 MCP 服务方案今天在使用国产数据库金仓时，我发现每次遇到问题都习惯性地打开金仓社区进行搜索和查看相关信息。可是每次打开浏览器的操作总让我觉得有些麻烦，于是我决定不再依赖这种繁琐的过程。索性今天我把这个接口提取出来，并将其封装成MCP服务端，集成到了我的CodeBuddy中。这样，我无论在何时何地都能直接进行提问和查询，既方便又高效。

努力的小雨

MCP 实践系列：看热点、蹭热点，创作与摸鱼两手抓！连续工作累死人，身心疲惫时，总得有那么一点时间给自己松口气。每当这个时候，我总喜欢偷偷摸摸地看看新闻，整理一下逐渐疯狂的思维。毕竟，谁说程序员就只能埋头写代码？谁规定了只能死磕在堆积如山的bug中？

努力的小雨

MCP 实践系列：股票分析今天，我们介绍了一个通过 Financial Datasets 获取股票市场数据的接口。这个接口不仅支持其他 AI 助手通过 MCP 接口直接检索关键的财务数据（如损益表、资产负债表、现金流量表），还可以获取实时的股票价格和市场新闻。这个功能特别适合那些刚入门投资领域的用户进行配置使用，因为它能够让你在不离开工作环境的前提下，实时关注股市动态。相比于一直盯着与工作无关的网页，这样的配置能够有效避免领导觉得你在“摸鱼”。而且，借助将该功能集成到 IDE 编辑器中，不仅可以留下刻苦工作的印象还能查看实时新

努力的小雨

MCP 实践系列：EdgeOne 在线部署HTML页面今天，我们将专门讲解一下 EdgeOne 在线部署 HTML 页面时所提供的 MCP 功能。这个功能对于个人用户来说非常实用，尤其适合一些小型应用场景，比如开发一个简单的小游戏，或者搭建一个小型网站，展示一些基本的站点信息等。通过 EdgeOne 的 MCP 功能，我们可以将静态页面直接部署到服务器上，而无需承担额外的费用。更为重要的是，它免去了我们为实现这样一个简单需求而购买低配服务器的成本。

努力的小雨

MCP 实践系列：百度 AI 搜索今天在腾讯云MCP市场，我发现了许多不同的MCP组件。接下来，我打算逐一深入了解每个组件的具体功能。今天的重点将是百度AI搜索。

努力的小雨

从零到一：利用金仓社区数据，LoRa微调与Spring AI 构建私有化千问模型上次我们在Coze平台上成功搭建了一个针对金仓问题的解决助手。这个智能体的核心工作流程相对简单：每次它通过HTTP接口调用插件，在金仓平台内部进行搜索，随后利用大模型的推理能力对查询结果进行分析，从而为用户提供问题解答。然而，问题也随之而来——金仓内部的搜索功能存在一定的局限性。搜索出来的博文资料之间的关联性并不强，这使得智能体在回答问题时，往往需要检索大量、冗长的资料，甚至有时需要检索上万字的内容才能找到有价值的信息，从而影响了整体的工作效率。

努力的小雨

n8n 快速入门今天，我将为大家介绍一个当前非常流行的可视化智能体搭建平台——n8n。n8n（发音为 "n-eight-n"）是一个强大的自动化工具，它能够帮助您轻松地将任何具有API的应用程序与其他应用程序进行连接，并通过最少的代码或甚至无需编写代码来实现数据的自动化流转。

努力的小雨

（附体验地址）大模型知识引擎：AI 助手能否助力销售技能提升？体验地址：https://lke.cloud.tencent.com/webim_exp/#/chat/FAIMcM

努力的小雨

大模型知识引擎 LKE 新手入门指南：官方文档难懂？看这篇就够了昨天简单体验了一下大模型知识引擎（LKE），总体来说，虽然其功能方面还有一定欠缺，但在一些特定领域，特别是RAG（Retrieval-Augmented Generation）技术的应用上，还是表现出了一些优势。通过这种技术，LKE能够提供相对准确和高效的回答，尤其是在需要快速检索和生成信息的场景下，展现了较好的性能。

努力的小雨

Spring AI 提交 PR 实战指南：避免常见坑今天，我们将简单地了解如何向 Spring AI 提交 PR（Pull Request）。在这个过程中，有一些常见的坑需要大家注意和避免，特别是在 Git 操作方面。我们会重点关注提交信息的规范，如何进行一次合并提交，以及其他在代码质量和结构上需要遵守的要求。

努力的小雨

深入解析 Spring AI 系列：解析请求参数处理大家在使用Spring AI项目开发Agent时，可能会发现，尽管外层的接口设计和调用逻辑比较统一，但实际上每个第三方接口在实现时都会有一些微妙的差异。这些差异可能体现在请求参数的构造、数据格式的处理，或者是某些接口特有的配置选项上。因此，今天我们主要聚焦于Spring AI在实际调用接口之前，如何处理和构造请求参数的过程。以下是核心代码示意：

努力的小雨

混元API的加密机制与原生集成实战今天，我们将重点讨论在对接混元大模型时需要特别关注的几个要点。首先，最为关键的一点是，混元大模型的加密方式相比于其他大模型更为复杂和严密。在对接过程中，我们通常避免使用混元官方提供的SDK进行集成，主要是因为官方SDK的应用场景存在一定的限制。若能实现原生对接，将能够提供更加灵活和高效的接入方式，同时也能更好地适应我们具体的应用场景。

努力的小雨

深入解析 Spring AI 系列：解析返回参数处理关于普通聊天对接，目前已经完成了大部分讲解，剩下的就是最后一步，今天我们将重点讨论在返回参数时需要注意的几个关键点。为了更好地说明这些注意事项，我们仍然以OpenAI接口为例，逐步讲解相关的代码实现，帮助大家更清楚地理解这一部分的细节。

努力的小雨

深入解析 Spring AI 系列：解析函数调用我们之前讨论并实践过通过常规的函数调用来实现 AI Agent 的设计和实现。但是，有一个关键点我之前并没有详细讲解。今天我们就来讨论一下，如何让大模型只决定是否调用某个函数，但是Spring AI 不会在内部处理函数调用，而是将其代理到客户端。然后，客户端负责处理函数调用，将其分派到相应的函数并返回结果。

努力的小雨

深入解析 Spring AI 系列：解析OpenAI接口对接今天我们将主要探讨OpenAI是如何进行接口对接的，虽然我们不打算深入细节，但会对整体流程进行一个大概的了解。后续会逐步分析其中的具体细节，大家可以耐心等待，逐步展开。好的，现在让我们开始，下面是我简单绘制的一张图示，旨在帮助大家更好地理解接下来的分析流程。