ai应用开发

nice_lcj5204 天前
java·spring·检索增强·rag·spring ai·ai应用开发
【从零理解 Spring AI · 13】RAG 要解决什么:把“闭卷考试“变成“开卷“第三辑解决了"不会做",这篇开始解决第 02 篇留下的另一半问题:“不知道”。场景你一定遇到过:用户问"我们公司的退货政策是什么?“——模型开始流畅地编造一个"行业标准退货政策”,和你们公司的真实规定半点关系没有。
nice_lcj5208 天前
java·人工智能·后端·spring ai·ai应用开发
【从零理解 Spring AI · 16】Agent 与工作流:什么该写死,什么该让模型决定第四辑结束时,你手里已经攒齐了所有"零件":稳定对话、结构化输出、流式、记忆、工具调用、检索增强。现在到了拼整机的时候——用户问一个复杂问题,你的应用该按什么流程调用这些能力?
nice_lcj5208 天前
java·spring boot·embedding·向量数据库·rag·spring ai·ai应用开发
【从零理解 Spring AI · 14】RAG 的四个环节:加载、切分、向量化、检索上一篇的最小闭环里,"把文档导入向量库"被一句话带过了。真到落地,你会发现RAG 项目的坑 80% 都埋在导入环节:PDF 解析乱码、段落切得稀碎、检索回来的内容答非所问。
nice_lcj5209 天前
java·后端·rag·spring ai·ai应用开发·检索优化·重排序
【从零理解 Spring AI · 15】让检索更准:先宽召回,再精排序四个环节都打磨到位后,RAG 的回答质量会上一个台阶。但很快你会遇到下一层瓶颈:检索回来的 5 段里,真正回答问题的只有 1 段,剩下 4 段是"话题相近但没用"的噪声——它们占着上下文的空间(费钱)、稀释模型的注意力(答不准)。
nice_lcj52010 天前
java·后端·spring·spring ai·ai应用开发
【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。落地时你会站在两个位置之一(或者都站):接入别人提供的能力(做客户端),或者把自己的能力开放出去(做服务端)。这篇把两个视角的代码都写全——你会发现 Spring AI 把两条路都铺得极平,其中一条路甚至只需要一个注解。
承渊政道11 天前
langchain·大模型·langgraph·ai应用开发
LangChainAI应用开发框架【LangChain与LangGraph介绍】随着人工智能技术的不断发展,AI已经不再只是一个简单的聊天工具,而是逐渐成为开发者编写代码、处理数据和构建智能应用的重要助手.如今,我们不仅可以通过AI快速生成代码,还可以将大模型的能力接入自己的项目,让应用具备智能问答、文档分析、工具调用等功能.不过,如果想开发一个真正实用的AI应用,仅仅能够调用大模型还远远不够. 例如,当我们希望 AI 能够查询外部数据、调用不同工具,甚至按照指定步骤完成一项复杂任务时,就需要一种更方便的方式来组织和管理这些功能.这时候,LangChain 和 LangGraph 就
Java成神之路-11 天前
ai应用开发
Spring AI Alibaba 集成 MCP:工具异常场景抑制大模型幻觉落地实践MCP(Model Context Protocol)提供了标准化的外部工具接入协议,让AI Agent可以统一对接各类外部服务。在基于 Spring AI Alibaba 构建 MCP Agent 时,MCP Server 连接失败、工具列表为空、调用超时、鉴权失败等场景下,大模型极易产生幻觉,编造虚假返回结果。MCP 协议本身仅定义工具通信规范,不具备幻觉治理能力。本文结合 Spring AI 原生 MCP 同步客户端 McpSyncClient,给出宿主Host前置硬拦截 + 提示词软约束的组合方案
nice_lcj52012 天前
java·spring ai·ai应用开发·chatmemory·对话记忆
【从零理解 Spring AI · 07】对话记忆:让模型记住上一句说了什么第 02 篇我们验证过:模型是无状态函数,"记忆"的本质是每轮把历史重新发一遍。当时用的还是两个独立接口,各自发各自的——所以模型"失忆"。那正确姿势是什么?每次调用前,把历史消息手动拼进消息列表。问题是这样写又臭又长:
nice_lcj52015 天前
java·spring boot·大模型·spring ai·ai应用开发
【从零理解 Spring AI · 03】Spring AI 在 Spring 生态里的位置写完前两篇的概念铺垫,有性子急的朋友问我:概念我大概懂了,但我现在就能用 RestClient 发个 POST、拼个 JSON 把模型调通,为什么还要引入一个框架?
Java成神之路-15 天前
ai应用开发
Spring AI Alibaba StateGraph 多Agent协作全解:5种编排模式当业务流程涉及多个角色、多个环节时,单 Agent 的能力就不够了,需要多个 Agent 分工协作。做企业多Agent开发,最常遇到3个问题:
Java成神之路-16 天前
ai应用开发
Spring AI Alibaba 多Agent避坑:别把StateGraph等同于多Agent协作模式最近在学习 Spring AI Alibaba 多智能体体系,发现很多同学都会踩同一个认知大坑:把 StateGraph 和多Agent协作模式划上等号,甚至认为做多Agent就必须依赖 StateGraph。
前进的李工16 天前
笔记·学习·prompt·agent·个人开发·few-shot·ai应用开发
Agent 学习笔记 05:系统提示词应该怎么写大模型训练阶段的数据中包含有大量的结构化内容,因此他对结构化输入展现了显著的敏感性。这在保证可读性的同时也提供了轻量级的结构,适合组织层次化的指令和信息。#、##这类标题会让人一眼看出层次结构,可读性好,也便于检查哪些规则出现问题。
Java成神之路-19 天前
ai应用开发
Java 构建 AI 应用:Spring AI Alibaba Workflow 与 Agent 架构抉择很多刚上手 Spring AI Alibaba 的同学,都会被一堆架构名词和组件层级搞懵:做 AI 应用到底选 Workflow 还是 Agent?ChatModel 和 ChatClient 都能调大模型,差别在哪?ReactAgent 是不是做智能应用必须要用?
一枕槐安48725 天前
langchain·pdf·milvus·ai应用开发·多模态rag
多模态RAG实战:PDF图文混合文档检索问答本地跑通传统 RAG 的典型链路是:文档切块 → 文本 embedding → 向量库 → Top-K 文本块塞给 LLM。这条链路对纯文本有效,但遇到图文混排文档时会出问题:
Java成神之路-1 个月前
ai应用开发
Jev 和 LLM 到底有什么区别?Jev 是 TypeSafe AI 开发的专用 AI 决策模型,通过 API 服务对外提供,面向分类、评分和流程路由等边界明确的任务。它与生成式 LLM 的差异,主要体现在训练目标、输出机制和工程接口上。本文从核心定位、输入要求、底层机制、性能成本和应用架构展开分析,解释哪些任务需要预设候选答案,以及如何在业务系统中组合使用决策模型与生成模型。
Java成神之路-1 个月前
ai应用开发
多 Agent 协作别过度设计:A2A(Agent2Agent)协议很多开发者在做AI Agent多智能体协作时,都会混淆一个核心问题:到底什么时候需要用A2A协议?本地多Agent协作能不能用A2A?A2A能解决哪些问题、哪些坑它管不了?
FRing031 个月前
人工智能·ai应用开发·智能体开发
什么是AI、模型和token、vibecoding介绍、ClaudeCode环境搭建一.什么是AI?AI(ArtificialIntelligence):用计算机模拟人脑,让计算机能够像人类一样合理的思考和行动
Java成神之路-1 个月前
ai应用开发
大模型API输出莫名截断?对接大模型 API 时,你是否也遇到过这种诡异现象:返回结果半截就断了,JSON 残缺、段落缺失,finish_reason 还时而 length 时而 stop?很多人只知道 max_tokens 会截断,却忽略了 stop sequence 停止词 以及 推理模型特殊的 token 抢占问题。本文梳理大模型输出突然中断的 3 类真实场景,讲清原理、坑点与代码处理思路。
Java成神之路-1 个月前
prompt·ai应用开发
大模型输出工程契约设计:从Prompt软约束到Schema硬约束在Java AI Agent、智能抽取、工单分类、函数调用等核心业务场景中,大模型输出不可控是最常见的痛点:返回冗余文字、JSON格式错乱、字段缺失、枚举值非法等问题,会直接导致业务接口报错、流程中断。
Jing_jing_X1 个月前
ai·agent·个人开发·ai应用开发
大模型只会输出token,是怎么“调用工具“的?一个只会输出 token 的模型,凭什么能调用外部程序?这篇文章只讲两件事: ① 外部程序是怎么"检测到"模型要调工具的 ② MCP 到底封装了什么、怎么封装的