- 博客(260)
- 收藏
- 关注
RSS订阅原创 不同AI架构如何选择？单Agent+MCP“与“多Agent“架构对比分析！
摘要： 构建AI应用时，开发者面临选择单一智能体搭配MCP协议或多智能体系统（MAS）的难题。单一智能体+MCP架构简单高效，适合快速上线的中小项目，但随着工具增多可能面临性能瓶颈；MAS系统分工明确、扩展性强，更适合复杂任务和高并发场景，但设计维护成本较高。典型案例显示，客服系统适合单一智能体，而投资分析等专业场景更适合MAS。技术发展将推动协议标准化和智能体自组织能力，未来混合架构可能成为趋势。选择架构需权衡效率与复杂度，关键在于匹配业务需求和技术能力。
2025-06-13 14:57:54
129
原创 运营岗位最核心的工作内容是什么？
运营工作的核心流程是以目标为导向的循环体系：设定目标→生产内容/活动→触达用户→收集反馈→分析优化。具体包括：1）明确目标并拆解为可执行任务；2）准备运营"弹药"（内容创作、活动策划、数据维护）；3）多渠道精准触达用户；4）实时监控数据与用户反馈；5）分析效果并持续优化。运营本质是连接用户与产品的持续性工作，强调执行力、跨部门协作和微迭代优化，通过扎实的常规工作积累业务价值。优秀的运营既要完成基础动作，更要思考如何提升效率与精准度。
2025-06-13 08:53:55
315
原创 Spring AI Alibaba 1.0 GA 正式发布，Java智能体开发进入新时代（转载阿里云）
2025年将迎来AI智能体的爆发式发展，SpringAIAlibaba 1.0作为首个企业级Java智能体框架正式发布。该框架基于SpringAI，提供多智能体编排、企业级生态集成和通用智能体开发能力，支持从低代码到零代码的智能体构建。核心功能包括Graph工作流引擎、百炼平台深度集成、MCP协议支持，以及JManus通用智能体平台。开发者可通过简单依赖快速构建ChatBot、工作流等应用，并体验官方Playground示例。框架还与企业级工具链（如Nacos、ARMS）深度整合，解决了智能体生产中效果评估
2025-06-13 08:53:12
408
原创 MySQL的自增主键耗尽怎么办？
MySQL自增主键耗尽问题解析及解决方案 当MySQL的自增主键达到INT UNSIGNED上限（4294967295）时，系统会因主键冲突而拒绝新数据插入。问题本质是InnoDB引擎在达到最大值后不再自增，而是复用当前值导致冲突。 解决方案： 升级字段类型：将INT改为BIGINT，支持更大数据量 分布式ID架构：采用雪花算法或号段模式生成全局唯一ID 数据管理：实施分库分表和定期归档策略 预防建议： 定期监控自增ID使用率，提前规划扩展方案，避免业务中断。大表操作需使用在线工具，确保系统平稳过渡。
2025-06-12 09:07:27
218
原创 电商订单拆单：7大拆单场景深度解析
电商订单拆单机制解析：拆单作为电商后台核心功能，既可优化物流（如多仓协同、冷链分箱），又可能引发客诉（如优惠失效）。常见7大场景：1)多商家订单拆分，2)多仓库发货，3)商品属性差异（如生鲜/常温），4)物流成本优化，5)支付/权益冲突，6)现货预售混单，7)售后逆向重组。系统需配置规则引擎、透明化用户界面及售后联动模块，平衡效率与体验。合理拆单可降本30%，但需规避运费叠加、优惠分摊等坑点，否则将导致财务损失和用户体验崩塌。
2025-06-12 09:01:03
352
原创 为什么刚看的商品下一秒就出现在某音里？揭秘跨平台追踪技术
手机广告精准推送背后的秘密：通过设备ID（iOS的IDFA/安卓的OAID）标记用户兴趣标签，广告联盟SDK实现跨平台数据共享，并在用户打开App时以毫秒级速度完成实时竞价展示广告。核心技术CID追踪点击转化效果，确保广告效果可衡量。用户可通过关闭个性化广告、重置设备ID或使用隐私模式降低广告精准度。这套系统每年为广告商创造数千亿价值，却也引发隐私保护讨论。
2025-06-12 09:00:08
276
原创 AI分页革命！MCP+Agent+大模型实现百万字电子书秒级解析，让大模型榨干每一本电子书
摘要：本文介绍了一个通过MCP+Agent+大模型协同处理大体积电子书的技术方案。系统支持PDF、Word、EPUB等多种格式，核心功能包括：1）按页面/章节拆分电子书；2）OCR图像识别；3）多格式内容解析；4）大模型自动总结与翻译；5）HTML输出美化。实现过程分为MCP服务端开发（含文件解析、OCR引擎等模块）、Agent流程编排（负责任务调度）和大模型内容处理三个层次。测试案例显示，该系统能有效突破大模型附件体积限制，完成整书的结构化处理与智能摘要。开发重点在于合理划分各组件职能及优化Agent的P
2025-06-11 09:24:10
792
原创 项目管理者的一些思路
项目管理的核心在于流程思维，而非个人能力。文章指出，项目失败常归咎于各种表面原因，但真正问题在于流程不通。具备流程思维的管理者能搭建清晰框架，明确各环节责任、节点和交付标准，确保项目自动推进。关键在于：1）全局视角优先于细节；2）每个步骤必须可交付；3）流程作为跨部门协作纽带。通过系统化落地流程（如建立标准化模板、设置任务依赖关系、可视化监控等），可减少人为干预，实现项目自动运转。流程思维是项目从混乱走向有序的关键能力，能让团队协作更高效，问题定位更精准。
2025-06-11 08:56:09
906
原创 一文读懂： AI 智能体 的 架构原则、3高架构、 存储架构 的核心方案
搞架构设计就像开车，新手只管踩油门，老司机得懂看路况预判风险。你说那些熔断、隔离、双活的设计，不就是给系统系安全带、装安全气囊吗？见过太多团队前期图省事，后期天天救火。就跟装修不舍得买好电线，住进去三天两头跳闸。所以说啊，架构师的眼光得比业务跑得快半步，既要扛得住今天的量，还要兜得住明天的险。这行当最迷人的地方就在这儿——你设计的每个决策，都在默默守护着千万用户的体验。当用户丝滑地用着AI功能时，哪知道后台经历过多少惊心动魄的战役？这份深藏功与名的成就感，不就是技术人最好的奖赏吗？
2025-06-10 09:21:09
461
原创 AI实现智能客服：AI客服的核心能力RAG介绍
想象你有个学霸朋友，他上知天文下知地理，但偶尔会一本正经地胡说八道：比如把明星八卦说成五年前旧闻，把公司报销政策编出根本不存在的条款，甚至在你问"今天股市行情"时，用2021年的数据跟你分析走势。这种"先查资料再作答"的机制，让通用AI秒变精通你公司规章制度、产品参数、行业标准的专属顾问，而且资料库更新时，AI的认知会自动升级，无需重新训练这个"钢铁大脑"。对于这种客服系统，RAG 可以动态地将用户的询问与最新的产品信息、客服知识等外部数据相结合，生成的回答更加贴合客户的实际需求，且满足企业要求。
2025-06-10 09:19:52
643
原创 AI 写高考作文，最终还是绕不过 AI 的检测
高考的作文每年都会上热搜现在 AI 发展的这么快，用来写一篇高考作文没有任何难度但是现在的 AI 技术能够检测出来是 AI 的文章嘛？下面是今年全国二卷的高考作为题目我们尝试用 AI 来写一篇高考作文然后用目前已有的一些 AI 检测工具来进行检测看看是否能够用魔法打败魔法正好 DeepSeek 刚刚完成了版本升级，各方面效果都更进一步那我们就用 DeepSeek 来完成这篇写作首先我没有加任何限制的提示词，没有限制必须采用某种风格这是思考过程下面是生成的文章，看题目和内容是真的不错。
2025-06-09 10:47:33
950
原创 MCP：从入门到精通，从精通到放弃，理论 + 实践吃透 大火的 MCP 协议
MCP（Model Context Protocol）是由Anthropic提出的标准化协议，旨在解决AI模型与外部工具和数据交互的碎片化问题。它通过定义统一的接口规范，使LLM能够动态调用外部工具和服务，扩展能力边界。MCP采用客户端-服务器架构，支持Stdio和SSE两种通信方式，实现了工具发现、能力协商和双向交互。 相比传统Function Call，MCP具有三大优势：1）生态开放性，提供丰富现成工具插件；2）平台无关性，支持跨模型切换；3）数据安全性，敏感数据可本地处理。其核心创新是将工具描述通过
2025-06-09 08:59:02
684
原创 智能体开发实战|基于Dify+MCP实现通过微信发送天气信息给好友
基于Dify搭建的智能体案例，不仅展示了从语义理解到工具调用的完整决策链路，更印证了MCP协议在降低开发成本和加速应用落地方面的工程意义。
2025-06-09 08:56:14
739
原创 企业AI落地开源三剑客：Dify、RAGFlow、n8n
但是它对电脑配置的要求很高，因为它的定位是给企业使用，而不是针对个人的，所以建议选择Linux服务器安装（如果个人想Mac安装使用，有很多的坑）。所以越是好用的工具，越想充分发挥出工具的特性，往往需要一定的技术储备。安装：配属上，推荐4核+8G即可，但为了更好的扩展性，也可以参考下面官方推荐的配置，但我个人感觉前期没必要堆那么多核的CPU，反而内存应该稍微大一些。先抛出大家最感兴趣和最关心的，下面是我使用后总结出来的三者区别，大家赶紧Mark住，可不是网上随便找来或AI生成凑数的，绝对都是真实的使用感受。
2025-06-08 11:05:55
923
原创 打造超级AI助手：掌握Reflection模式，让你的Agent智商暴涨！
Reflection模式不仅仅是一种技术，它代表了AI向真正智能迈进的重要一步。通过赋予AI自我反思的能力，我们正在创造能够不断自我完善的人工智能系统。想象一下，你的AI助手能够从每次互动中学习，记住过去的错误并避免重蹈覆辙，不断优化自己的表现。这不再是科幻，而是正在发生的现实！对开发者来说：掌握Reflection模式将让你的AI产品脱颖而出，具备持续学习和自我改进的能力，为用户提供越来越精准的服务。对企业来说。
2025-06-07 10:38:27
756
原创 “单Agent+MCP“与“多Agent“架构对比分析(下)：实践案例、部署策略与未来展望
本文深入探讨了单一智能体+MCP与多智能体系统在实际项目中的具体实现方案。通过三个典型案例展示了不同场景下的架构选择：客户服务助手采用单一智能体+MCP架构，金融分析系统采用多智能体协作，电商平台则采用混合架构实现多功能集成。文章详细分析了各方案的技术实现要点，并提供了主流技术栈选择指南和部署策略建议。最后指出未来智能体系统将向标准化、自组织网络、混合架构等方向发展，强调架构选择需要根据业务需求、技术约束和发展路径进行综合评估，没有放之四海而皆准的最佳方案。
2025-06-06 08:55:10
1099
原创 “单Agent+MCP“与“多Agent“架构对比分析(上)：概念、优劣势与架构选择
《AI智能体架构选择：单一智能体+MCP vs 多智能体系统》 本文探讨AI开发中的关键架构选择。单一智能体+MCP方案通过标准协议集成工具，具有快速原型、集中式管理和资源效率等优势，但随着复杂度增加会面临编排困难和性能瓶颈。多智能体系统(MAS)采用专业化分工，在任务分解、并行处理和容错性方面表现突出，但存在协调开销和调试难度。二者并非互斥：MCP可作为基础层，A2A协议支持智能体间通信。选择标准取决于场景需求：简单工具集成适合单一智能体，高度复杂问题则需MAS。建议采用渐进式演进策略，结合成熟框架构建灵
2025-06-06 08:54:16
1014
原创 需求面前，该选 Agent 还是 Workflow？
AIAgent与AIWorkflow的技术对比与应用分析 人工智能领域的AIAgent和AIWorkflow代表两种不同的技术路径。AIAgent具备自主感知、决策和行动能力，适用于复杂场景（如自动驾驶、智能客服），具有高度灵活性和学习能力，但初期投入较大。AIWorkflow通过分解任务实现流程自动化，适合结构化场景（如企业流程、制造业质检），具有开发快速、可靠性高的特点，但灵活性不足。两者在性能、可靠性和用户满意度上各具优势：AIAgent擅长处理不确定性任务，AIWorkflow则精于标准化流程。未来
2025-06-06 08:53:22
731
原创 AG技术全解析：从基础原理到优化实战
RAG（检索增强生成）是一种无需微调即可扩充大模型知识的方法，通过检索外部知识库提升生成答案的准确性和时效性。其流程分为构建向量存储（文档加载、分块、向量化）和检索生成（相似度搜索、上下文整合）两部分。优化RAG的关键技术包括文档分块策略（固定长度、语义分块等）、相似度算法（余弦相似度、BM25等）、重排序（交叉编码器）以及GraphRAG（知识图谱增强）。评估RAG需关注检索质量（准确率/召回率）和生成质量（相关度/忠诚度）。RAG的局限性包括检索依赖外部数据质量、分块碎片化、语义相关不等于答案相关等问题
2025-06-06 08:52:33
657
原创 一文搞懂：AI Agent 八大核心概念
本文系统介绍了AI领域的8个核心技术概念：1. 智能体（Agent）是能独立行动的AI实体，可执行特定任务，但存在准确性不足的幻觉问题。2. 多智能体系统（Multi-Agent System）通过多个智能体协同工作提升效率，但需解决系统容错问题。3. RAG技术通过检索外部知识库生成更准确的回答，但依赖高质量的知识库管理。4. 工作流（WorkFlow）将任务分解为标准化步骤执行，能减少智能体的幻觉问题。5. 微调（Fine-Tuning）利用行业数据训练模型，提升业务理解能力，但数据成本和标注要求高。6
2025-06-05 08:46:47
571
原创 两个小时，搭出一套员工薪酬绩效管理系统（转载，推荐）
《三步搭建实用薪酬绩效系统：让发工资不再"拍脑袋"》 摘要： 许多企业在薪酬绩效管理上陷入困境：老板凭感觉发工资，HR机械填表，员工抱怨"干多干少一个样"。本文提出三步搭建实用系统的方案：首先明确目标（解决发钱依据、区分贡献、明确激励、控制成本）；其次把握底层逻辑（岗位价值定底薪、绩效表现定奖金、工作量定提成）；最后通过五个模块落地实施（员工岗位档案、标准化绩效评价、流程化奖金审批、自动化薪酬计算、可视化数据分析）。系统强调实用为先，建议从最小闭环开始，逐步迭代优化，
2025-06-05 08:45:35
472
原创 SpringAI(GA)：RAG快速上手+模块化解读
Spring AI教程：RAG增强问答质量快速上手与源码解析 摘要：本教程基于JDK21+SpringBoot3.4.5+SpringAI1.0.0环境，详细讲解检索增强生成(RAG)技术。首先介绍RAG核心概念，通过内存向量数据库实现典型案例，展示Pre-Retrieval、Retrieval、Generation全流程实战。随后深入解析模块化RAG架构源码，包括RetrievalAugmentationAdvisor、Query转换/扩展组件、Document检索/合并处理器等核心类。教程通过对比普通问
2025-06-04 09:57:53
944
原创 “单Agent+MCP“与“多Agent“架构对比分析(上)：概念、优劣势与架构选择
选择合适的智能体架构需要深入理解应用需求、系统复杂性和演进路径。单一智能体+MCP凭借其简单性和集成便利性在许多场景下是理想选择，而多智能体系统则在处理高复杂性、高可靠性需求方面展现出独特优势。理解这两种架构的优劣势，将帮助大家在AI应用开发中做出更明智的决策，构建既能满足当前需求又具有未来扩展能力的系统。在下篇文章中，我们将深入探讨这两种架构的实际应用案例、具体实现方法，帮助大家将理论知识转化为实践。
2025-06-04 07:28:13
1413
原创 谷歌突袭发布AI应用，无需Wi-Fi、手机就能跑大模型！网友实测两极分化（转载）
谷歌推出实验性应用Google AI Edge Gallery，允许安卓用户离线运行Hugging Face的AI模型，支持图像问答、文本处理和AI聊天等功能。该应用强调本地处理带来的隐私保护和低延迟优势，但实际体验因设备性能而异，部分用户报告应用崩溃问题。虽然被质疑是TensorFlow Lite的重新包装，且与苹果CoreML存在差距，但其跨平台特性仍具价值。目前仅提供APK下载，iOS版本即将推出，开发者可在GitHub获取相关资源。
2025-06-03 15:38:45
841
原创 从L1到L5：解码AI智能体的技术阶梯— 基于权威研究的完整学习路径
摘要：AI智能体时代已至，市场预计2028年33%企业软件将集成自主AI。基于SAE自动驾驶分级标准，AI智能体被划分为L1-L5渐进式技术等级：L1掌握基础对话（如ChatGPT）、L2精通RAG架构（如NotebookLM）、L3驾驭多Agent协作（如文心智能体）、L4实现无代码开发（如Coze）、L5突破AI编程（如GitHub Copilot）。权威机构预测该技术将创造4.4万亿美元生产力价值，建议从业者根据能力匹配对应等级，通过工具实践和社区参与构建AI竞争力。（149字）
2025-06-03 10:45:06
1050
原创 AI智能体常用五大范式：反思、工具、推理、规划与多智能体协作
本文系统梳理了当前AI领域五大主流智能体范式：1）反思模式通过自我批判实现认知优化；2）工具调用模式扩展AI能力边界；3）推理-行动闭环实现认知与行为的统一；4）规划分解模式处理复杂任务；5）多智能体协作展现社会化智能。这些范式反映了AI从单一功能向自主决策、自我优化、社会协作方向的进化，不仅推动了技术进步，也为实现通用人工智能奠定基础。通过模仿人类认知机制和行为模式，智能体正在从工具向伙伴转变，在"心智"成长的道路上不断突破。
2025-06-03 10:42:55
836
原创 高性能WEB服务器Nginx常用功能：四层访问控制、账户认证、自定义错误页面、检查资源是否存在
Nginx常用功能摘要：Nginx提供多种实用功能，包括基于IP的四层访问控制（通过ngx_http_access_module模块实现IP黑/白名单配置）；账户认证功能（采用ngx_http_auth_basic_module模块实现基础认证，需配合htpasswd工具生成密码文件）；自定义错误页面（通过error_page指令指定不同状态码的响应页面）；独立错误日志配置（为不同server/location设置专属日志文件）；资源检测机制（使用try_files指令按优先级检查资源是否存在）。这些功能通
2025-06-03 08:58:14
172
原创 RAG技术：优化知识库，解决AI答非所问
在AI大模型席卷全球的今天，Retrieval-Augmented Generation（RAG，检索增强生成）作为一种融合检索与生成的技术，正成为企业和开发者提升AI能力的核心工具。GTE模型以其高效的语义表示能力，能够捕捉文档的深层语义，显著提升RAG的语义检索能力，减少传统“关键词匹配”的局限。作为亲历三次AI浪潮的技术人，我坚信AI不是替代人类，而是让我们从重复工作中解放出来，专注于更有创造性的事情，关注我们公众号口袋大数据，一起探索大模型落地的无限可能！语义优化：使用清晰、简洁的语言，避免歧义。
2025-05-31 18:31:27
648
原创 线上重复消费引发百万损失！RocketMQ重复消费问题排查与解决方案全纪实
消息重复消费不是偶然现象，而是分布式系统中的常见问题。// 适当延长超时时间给架构师的建议• 核心业务必须实现幂等• 去重表要加双唯一索引（消息ID+业务ID）• 读写分离提升性能• 定期归档历史数据给运维的建议• 监控消息重复率（超过0.1%告警）• 定期检查消费者积压情况• 设置去重表空间不足告警血泪经验：在支付系统上线去重表后，我们又陆续在订单、库存、优惠券等10多个核心系统推广该方案。UNIQUE KEY `uniq_msg_id` (`msg_id`), -- 消息ID唯一。
2025-05-31 17:41:53
316
原创 一张图说明白品牌、营销、推广、运营、经营的核心要点，打通认知心智！
涵盖内容运营、渠道运营、商品运营、用户运营等，以淘宝为例，通过优质内容推荐、多样化渠道拓展、丰富商品品类管理和用户会员体系运营，提升用户体验和平台活跃度。涉及前台、中台、后台的战略、组织、流程等全方位规划，如华为通过持续的战略创新、高效的组织管理和优化的业务流程，在全球通信市场占据领先地位。企业侧则是线上线下引流，增加曝光。品牌是内核，营销是手段，推广是途径，运营是保障，经营是统领。在当今竞争激烈的商业环境中，品牌、营销、推广、运营和经营，犹如支撑企业大厦的五根关键支柱，各自发挥着独特而不可或缺的作用。
2025-05-29 10:02:34
161
原创 还在用 ELK？你已经 Out 了
接下来，我们需要编写采集日志所需的 Vector 配置。这一部分是 Vector 的 File Source[10]，Source 是 Vector 的数据输入端，可以从各种适配的来源采集数据。我们通过指定使用 File Source，include选项用于配置文件地址（include可以使用通配符配置多个日志文件，见文档[11]。最后我们需要配置data_dir来指定一个元数据目录，Vector 默认的路径是这一部分就是 GreptimeDB logs sink[12]。
2025-05-29 08:57:55
989
原创 Redis统计访问量的3种实战方案
Redis解决统计难题的3种核心方案 Hash结构：适用于精确统计和小规模场景，通过时间戳去重，内存优化后可降至<1MB/万用户 BitMap：亿级用户UV统计的理想选择，每个用户仅占1bit，100万用户只需125KB内存 HyperLogLog：超大规模近似统计，误差率<0.8%，百万级用户内存占用<1KB 选择建议： 小规模精确统计用Hash 大规模精确去重用BitMap 超大规模近似统计用HyperLogLog 可混合使用多种方案优化性能
2025-05-29 08:51:28
387
原创 大模型微调知识与实践分享（转载阿里云）
本文系统介绍了大语言模型(LLM)的微调技术与实践。首先解析了Transformer模型架构及其参数量计算，包括LLaMA系列模型的参数规模与显存需求。重点阐述了微调方法：从提示工程(Prompt Engineering)到数据构造策略，详细介绍了LoRA低秩适应技术及其参数优化原理。在实践部分，提出了完整的微调流程：数据构造→训练平台选择→参数调整→模型部署→效果评估。特别分享了基于星云平台和LLaMA-Factory框架的实操经验，包括DPO训练、推理加速等技术细节。最后强调数据质量对微调效果的关键作用
2025-05-28 15:33:14
598
原创 最新智能体落地案例：10大行业，20个场景，看谁在用AI赚钱
《AI智能体落地应用与商业价值分析》摘要：本文从30+真实案例出发，揭示当前最具ROI的AI智能体应用场景。在零售业，智能体用于客户管理（中医养生）和销售转化（美业）；电商领域则应用于内容生成和私域运营；教育行业通过智能体优化招生与学习辅导。房地产、法律咨询、医疗健康、金融保险、餐饮连锁、人力资源及制造业也展示了智能体的实际价值，如提高转化率、降低人力成本和标准化流程。成功案例显示，明确业务痛点、快速迭代和注重ROI是智能体落地的关键。文章强调，AI智能体已从概念验证步入业务增效阶段，建议企业尽早实践以获取
2025-05-28 09:32:29
1137
原创 AI 智能体 的 架构原则、3高架构、 存储架构 的核心方案
搞架构设计就像开车，新手只管踩油门，老司机得懂看路况预判风险。你说那些熔断、隔离、双活的设计，不就是给系统系安全带、装安全气囊吗？见过太多团队前期图省事，后期天天救火。就跟装修不舍得买好电线，住进去三天两头跳闸。所以说啊，架构师的眼光得比业务跑得快半步，既要扛得住今天的量，还要兜得住明天的险。这行当最迷人的地方就在这儿——你设计的每个决策，都在默默守护着千万用户的体验。当用户丝滑地用着AI功能时，哪知道后台经历过多少惊心动魄的战役？这份深藏功与名的成就感，不就是技术人最好的奖赏吗？
2025-05-28 09:00:04
1517
原创 微服务网关升级：Spring Cloud Gateway 整合 Nacos 实现服务请求自动转发+负载均衡！
本文介绍了SpringCloudGateway与服务注册中心和配置中心的高级整合应用。首先讲解如何整合Nacos服务注册中心实现自动路由转发，通过配置动态代理所有注册服务，并以服务名作为URI自动创建路由。随后详细说明通过Nacos配置中心实现路由规则动态加载的方法，将路由配置从网关中抽离，实现动态刷新功能。文章包含具体的代码示例和配置说明，演示了如何构建网关服务与业务微服务，并验证了负载均衡和动态路由的效果。这种整合方式可以有效简化微服务架构中的API网关管理和配置维护工作。
2025-05-28 08:52:22
290
原创 SpringAI整合Ollama实战，DeepSeek/通义千问接入指南
SpringAI是一个基于Spring生态系统的AI应用框架，通过模块化设计和POJO简化AI项目开发。它支持多种主流AI模型(OpenAI、Azure等)，并实现与SpringBoot的无缝集成。本文演示了如何使用SpringAI结合Ollama搭建AI应用：先配置JDK17、Maven等环境，拉取DeepSeek和千问模型；在SpringBoot项目中添加spring-ai-ollama依赖；通过配置文件指定模型，在测试类中仅用一行代码就实现了大模型对话功能。案例展示了SpringAI高效集成AI能力的
2025-05-27 10:59:17
447
原创 扣子Coze工作流，coze智能体和 AI 应用从入门到精通搭建
1. Coze（扣子）的定位与核心价值Coze 是字节跳动自主研发的智能体开发与部署平台，聚焦于C 端用户与企业开发者，旨在降低大模型应用的开发门槛。通过其可视化操作界面与模块化工具，用户无需编写复杂代码，即可快速构建基于大语言模型的智能体应用，并将其嵌入多场景终端。二、Coze（扣子）的多元应用场景Coze 平台以零代码与低代码开发模式为核心，极大降低了技术门槛，即使是没有编程经验的用户，也能轻松在平台上构建各类智能体（Bot）。
2025-05-27 09:26:41
1732
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人