springai

【SpringAI 22】对话机器人，历史会话功能延续上一次所讲，获取到了会话id，我们这次就实现一些获取历史会话消息会话1给机器人发送了3个问题。都得到了回答，我们看看机器人历史记忆功能，我调用 http://localhost:8080/ai/history/chat/1 接口返回了之前的3次记录，这就实现了会话历史记忆功能学到了这里是否理解前面讲的机器人有记忆概念，欢迎兄弟们留言

【SpringAI 09】SpringAI入门Spring AI 是 Spring 官方推出的 Java AI 应用框架，它将 Spring 生态的成熟设计原则引入AI工程领域，专门用于简化Java开发者集成人工智能能力的流程。

【SpringAI 15】会话记忆功能ChatMemory摘要：本文第一部分深入解析了 Spring AI 中的 ChatMemory 接口，这是实现对话机器人会话记忆功能的核心契约。通过分析源码，详细介绍了接口的常量定义、四个核心方法（单消息添加、批量添加、获取历史、清空记忆）及其设计特点，为理解 Spring AI 的对话记忆机制奠定基础。

早春的树长在理想三旬

从LLM到Agent：ReAct推理模式的底层原理你用过ChatGPT，但你有没有想过：为什么它能回答"今天天气怎么样"，却没法真的帮你查天气？这篇文章从零开始，带你理解"聊天机器人"和"智能助手"之间的那道坎——ReAct推理循环——到底是怎么回事。

早春的树长在理想三旬

工具抽象的艺术：可插拔Skill系统的设计哲学上一篇文章我们理解了ReAct循环——LLM在"思考-行动-观察"中迭代。但当时我们只是"假设"工具已经存在。实际上，工具系统本身的设计就是一门学问：如何让Agent的工具像手机App一样，安装即可用，卸载即消失？

【SpringAI 10】对话机器人快速入门结合之前我们讨论过的低延迟大模型推理网关、Netty高性能网络通信的技术背景，以下是SpringAI对话机器人的快速入门全流程，适配Spring Boot生态，可快速搭建出具备上下文记忆的可用对话机器人：

【全域智能营销实战】10、三大引擎协同工作流：从用户消息到智能决策的完整链路OpenClaw + Harness + Hermes 三驾马车如何协同工作？一条消息的完整旅程当用户在飞书群里发了一条消息：“帮我分析一下最近一周的营销数据，生成一份报告”——这条消息是如何被系统理解、处理、并最终返回结果的？

重庆小透明

今日收获（一些个人思考）大家好，今天继续学习了项目rag知识库部分，然后有一定的思考和优化，对于springai框架也有一定的思考了。

张某布响丸辣

Spring AI 极简入门：Java 开发者快速上手 AI 开发Spring AI 是 Spring 官方推出的 AI 应用开发框架，让 Java 开发者用熟悉的 Spring Boot 方式，快速对接大模型，不用再死记不同 AI 平台的复杂 API，一套代码适配 OpenAI、通义千问、讯飞星火等主流模型。

小沈同学呀

SpringAI+MCPServer实战-StreamableHTTP协议打造企业级AI工具服务各位好，最近在公司项目里折腾 Spring AI 的 MCP（Model Context Protocol）协议，踩了不少坑，也总结了一些经验。今天先把 MCP Server 端的内容单独拎出来写一篇，聊聊怎么用 Streamable HTTP 协议打造企业级的 AI 工具服务。

【AgentScope】6.文件系统（Filesystem）详解文件系统是 Agent 的"文件柜"——它决定了 Agent 的文件存在哪里：是本机磁盘、远程存储，还是隔离的沙箱环境。

【RAG】工程化实战：全链路原理复盘 + 方案选型 + 实战高阶玩法🔥个人主页： Ryan🔥专栏：【后端】登神长阶实战落地后端全路线手册在 AI 圈子里，一直流传着一个心照不宣的秘密：用 LangChain 或 LlamaIndex 几行代码搭一个 RAG（检索增强生成）系统，只需要一个下午；但要让它达到生产环境的落地上线标准，往往需要大半年。

阿昌喜欢吃黄桃

Java优质开源AI项目Hi，我是阿昌，今天记录下几个 Java AI 开源项目。以前提到 AI 开发，大家第一反应基本都是 Python。

抓住 AI 人工智能的风口之第 5 章 —— 使用视觉大模型（Vision-Language Model）支持图片识别，完善电商智能客服项目本篇博客基于第 3 章博客基础上，引入视觉大模型 Vision-Language Model，支持图片文件上传和识别，第 3 章博客地址：https://blog.csdn.net/BiandanLoveyou/article/details/161004907

【AgentScope】3. 工作空间（Workspace）详解工作空间是 Agent 的"办公桌"——人格、记忆、知识、技能都以文件形式存放在这里，每次"上班"自动加载，每次"下班"自动保存。

【AgentScope】1. HarnessAgent 总览详解HarnessAgent 就是给"只有金鱼记忆的 AI 助手"装上一整套工程化装备——记忆系统、会话管理、上下文控制——让它能像一个靠谱的员工一样长期稳定工作。

理解 RAG 的“为什么”与 Spring AI 实战初体验任何大模型都有两个硬伤，不解决就没法直接回答很多真实问题：训练截止日期模型的知识来自训练数据，训练完成那一刻知识就凝固了。问它“上周的股价是多少”，答不了；问它“最新政策有什么变化”，也答不了。

SpringAI 模型 API 调用中的错误处理、重试与熔断降级实战调用外部大模型 API 时，什么网络抖动、限流、服务端 500……简直家常便饭。如果代码一遇到错误就直接把堆栈甩给用户，体验基本为零。本文就从最基础的异常捕获讲起，一路到重试、熔断降级，帮大家把这套防御体系搭完整。

装不满的克莱因瓶

SpringAI Alibaba Tool工具调用机制实战-注解注册与函数调用全流程目录一、什么是工具调用（Function Calling / Tool Calling）二、Spring AI 工具调用三步走

Spring AI vs LangChain4j：Java 后端接大模型，两条路线怎么选Java 世界里接入大模型，现在有两个正经选择：Spring 官方的 Spring AI，和社区驱动的 LangChain4j。前者 8795 star，后者 12113 star。数字差不多，但设计哲学完全两回事。这篇文章不讲 Hello World，从核心抽象、记忆管理、RAG、Function Calling 几个维度掰开看，帮你搞清楚什么时候用哪个。