- 博客(22)
- 收藏
- 关注
RSS订阅原创 Spring AI深度解析（7/50）：Tool Calling 工具调用解析
传统大模型存在两大核心限制：知识时效性与动作执行能力。Spring AI深度解析（7/50）：Tool Calling 工具调用解析。执行get_weather(city="杭州")返回工具调用请求（get_weather）二、Spring AI工具调用核心设计。返回WeatherInfo。一、工具调用的本质突破。三、工具调用全流程解析。"杭州明天温度多少？"杭州明天晴，25℃"四、生产级工具调用实践。六、性能优化与安全控制。
2025-04-20 21:17:47
1193
原创 Spring AI深度解析（6/50）：Structured Output结构化输出
在大模型应用中，非结构化文本输出（如自由格式回答）会导致下游系统难以编程处理。通过结构化输出，Spring AI帮助开发者将大模型的非结构化能力无缝集成至企业系统，实现从「对话交互」到「业务动作」的质变升级。将用户提交的文本反馈自动分类为结构化工单，触发后续处理流程。• 质量可控性：通过Schema校验与混合验证保障输出可靠性。• 动态Schema适配：根据用户请求自动生成输出格式。• 自愈式解析：当解析失败时，自动触发模型修正流程。五、端到端案例：工单自动分类系统。一、结构化输出的本质价值。
2025-04-20 17:24:34
530
原创 Spring AI深度解析（5/50）：Spring AI 的RAG核心设计与实践
通过Spring AI的模块化设计，开发者可快速构建适应不同业务场景的RAG系统，将静态数据转化为动态知识，释放大模型的潜力。• 长度适配：单块Token数 ≤ 模型上下文窗口的30%• 重叠机制：块间重叠10-15%防止信息断裂。在构建企业级AI应用时，一个核心痛点是：。• 语义完整性：避免切割表格、代码块。四、数据实时更新：构建动态知识库。六、端到端案例：技术文档问答系统。二、核心设计：模块化与可扩展性。三、高效分块：平衡语义与性能。方案1：自适应Token分块。方案2：混合分块策略。
2025-04-20 17:13:05
373
原创 Spring AI深度解析（4/50）：Embedding模型与Vector Store的高效协同
在RAG（检索增强生成）架构中，Embedding模型与Vector Store的协同效率直接决定系统整体性能。本文通过解析Spring AI在Embedding与存储协同上的核心优化手段，揭示了工业级AI系统的高效实现密码。• 内存映射：使用ByteBuffer避免JVM堆内存拷贝。• 零拷贝传输：DirectBuffer与CUDA内存交互。• 动态分片：根据GPU显存自动调整batch size。实现高效协同，并通过源码解析揭示其优化设计。一、端到端向量化流水线设计。三、多模型灰度发布方案。
2025-04-20 16:36:08
418
原创 Spring AI深度解析（3/50）：VectorStore抽象层如何统一10+向量数据库
向量检索是RAG（检索增强生成）架构的核心环节，但各向量数据库的API差异显著。Spring AI通过四层抽象设计屏蔽底层差异，本文将深入其接口定义、查询翻译机制、性能优化策略，并剖析Pinecone与PostgreSQL/PGVector的实现差异。• PostgreSQL/PGVector：转换为SQL WHERE子句。解析表达式树：将过滤条件转换为AST（抽象语法树）二、查询翻译引擎：SQL-like过滤语法的实现。四、PGVector适配器：开源方案的实现差异。• Pinecone：转换为。
2025-04-20 16:22:37
372
原创 Spring AI深度解析（2/50）：Prompt模板引擎如何实现上下文注入
http | https://config-server/ai/prompts | 集中式配置管理 || file | file:/etc/ai-templates/legal.stg | 生产环境外部配置 || ai.prompt.render.count | 模板渲染次数 || ai.prompt.cache.hit.rate | 模板缓存命中率 |
2025-04-20 16:16:06
676
原创 Spring AI深度解析（1/50）：ChatClient抽象层如何实现跨模型兼容
二、实现剖析：DeepSeekChatClient源码实现。三、通义千问的特殊处理：阿里云签名机制。一、接口抽象：统一国内模型的调用范式。• 部分厂商要求数据出境审查（需配置。• 通义千问需要处理阿里云V3签名。四、动态切换配置示例。五、扩展开发注意事项。
2025-04-20 15:59:46
393
原创 Spring AI 的现状与局限性分析
PyTorch 社区贡献者数量是 Spring AI 的 8 倍（数据来源：GitHub 2024 Q1 报告）• 某头部电商平台使用 Spring AI 集成 DeepSeek，支撑日均 5000+ 并发咨询。主流开源模型（如 Llama3、Falcon）的适配滞后 Python 生态 3-6 个月。• 某银行通过 Spring AI 将风控模型嵌入核心交易系统，响应速度提升 40%JVM 堆内存需求通常是 Python 的 2-3 倍（需加载 AI 模型和依赖库）Spring AI 适合。
2025-04-12 19:07:10
706
原创 【一】Spring AI 入门指南 | 基于DeepSeek 集成实践
在AI技术快速发展的背景下，Spring AI与DeepSeek的深度集成为企业级Java应用提供了高效AI接入方案。本文主要介绍DeepSeek模型完成环境搭建、核心功能开发及生产级优化，助Java技术栈的同学快速构建智能应用。
2025-04-12 18:50:09
408
原创 【Spring Cloud】Hystrix
目录一、什么是服务雪崩二、Hystrix的作用三、服务降级四、服务熔断五、资源隔离六、命令模式一、什么是服务雪崩多个服务之间调用的时候，假设服务A调用服务B和服务C，服务B和服务C又调用其他的服务，这就是所谓的“扇出”。如果“扇出”的链路上某个服务调用响应时间过长或者不可用，对服务A的调用就会占用越来越多的系统资源，进而引起系统崩溃，所谓的 “ 雪崩效应 ”。为了解决级联故障，就需要服务降级、服务熔断。二、Hystrix的作用Hystrix能够保证在一个依赖出问题的情况下，不会导致整体服务失败，避
2022-05-12 23:53:09
283
原创 【Spring Cloud】Eureka 服务治理
在服务剔除时，Eureka服务端并不会直接剔除所有已过期的服务，而是通过随机数的方式进行剔除，避免自我保护开启之前将所有的服务（包括正常的服务）给剔除。1、Eureka客户端在启动后，首先会创建一个心跳的定时任务，定时向服务端发送心跳信息，服务端会对客户端心跳做出响应。自我保护，是eureka重AP的重要体现，其主要目标是保证高可用，短时间的服务列表不可靠（一致性），是可以接受的。当有85%的服务不可用时，会认为是网络异常，服务端将不再进行服务剔除，从而确保正常的服务不被误剔除。
2022-05-12 21:45:23
530
原创 【数据库】Mysql基础
目录一、Mysql的体系架构二、事务事务的ACID事务的并发问题事务隔离级别三、Mysql 存储引擎索引原理MVCC机制锁机制四、InnoDB存储引擎五、Mysql集群六、分库分表七、读写分离一、Mysql的体系架构二、事务事务的ACID原子性（Atomicity）：事务开始后所有操作，要么全部做完，要么全部不做。一致性（Consistency）：事务开始前和结束后，数据库的完整性约束没有被破坏隔离性（Isolation）：同一时间，只允许一个事务请求同一数据，不同的事务之间彼此没有任何干扰
2022-05-08 22:45:19
611
原创 【消息中间件】RocketMQ
目录一、RocketMQ的构成二、消息的类型三、生产者的工作流程1、消息发送过程：2、消息发送方式：四、Broker的工作流程1、消息存储方式2、持久化/刷盘3、文件清理策略五、消费者的工作流程1、消费模式2、消费者类型3、消费方式：4、负载均衡与rebalance5、消费端重试与死信队列六、高可用设计七、应用实践中的几个常见问题1、重复消费问题2、如何进行顺序消费3、如何保证数据0丢失4、消息积压处理八、与Kafka的比较一、RocketMQ的构成RocketMQ的几个角色：Nameserver：
2022-05-04 00:46:46
1654
原创 【Java基础】IO流
文章目录一、IO是什么二、IO流的分类三、字节流和字符流的区别：四、BIO,NIO,AIO 有什么区别五、什么是IO多路复用六、NIO监听socket数量有没有限制七、select/poll/epoll之间的区别八、epoll 水平触发（LT）与 边缘触发（ET）的区别一、IO是什么Linux 系统中一切皆文件，而文件指的就是一些二进制的流，我们在做进程间通信时，都是对这些流进行操作，简称 IO 操作。在操作系统的层面，这些操作都是通过文件描述符来进行操作的。通常用户进程的一个完整 IO 分为两个阶
2022-05-01 00:25:01
797
原创 【Java基础】Java基础
目录一、java中的编译器和解释器二、多态的实现三、Overload和Override的区别四、什么是值传递和引用传递五、引用拷贝、浅拷贝与深拷贝六、a==b与a.equals(b)有什么区别七、为什么要有 hashCode八、Java集合类九、HashTable 和concurrentHashMap 区别十、 什么是CAS一、java中的编译器和解释器编译器：将java源程序编译成字节码，字节码由虚拟机解释执行。解释器：解释器将字节码翻译成特定机器上的机器码，然后在特定的机器上运行。Java源代
2022-04-30 22:06:42
565
原创 【Spring】Spring基础
目录一、Spring Bean的作用域二、Spring Bean 的生命周期三、Spring是怎么解决循环依赖的四、Spring 常见注解五、Spring AOP六、Spring的事务管理机制七、Spring 事务失效检查异常八、Spring控制反转 IOC九、SpringBoot启动流程一、Spring Bean的作用域Spring框架支持以下五种bean的作用域：singleton : 单例模式。prototype：多例模式。request：每一次 HTTP 请求都会产生一个新的 be
2022-04-30 20:30:07
853
原创 GC回收机制
判断对象存活的算法：引用计数算法 当一个对象被引用一次，计数器就加1，当引用被释放，就减1，当计数器为0时，说明对象未被引用，则可以回收 缺陷：当两个对象互相引用时，则双方的计数器都是1，这两个对象就一直无法正常回收。可达性分析算法 通过一个GC Roots和对象之间建立一个引用路径，当对象和GC Roots 之间存在可达路径，说明对象是被引用的，当路径不可达时，则可回收。垃圾收集算
2016-12-20 00:11:53
452
原创 常见OOM异常
java Heap溢出当报错信息java.lang.OutOfMemoryError后面带有java heap space时，说明是java堆异常。由于java Heap是用来存放实例的，heap溢出，也就说明实例对象过多，而且和这些对象和GC roots之间的一直存在可达路径,内存泄露：一般出现这种情形，需要判断是否是内存泄露，即一些无用对象一直被引用，导致GC无法有效回收它，这时可以通过一些
2016-12-18 23:26:56
5816
翻译 《深入理解Java虚拟机》学习笔记-- Java内存区域
Java运行时的内存区域主要有5个区域， 线程共享的数据区 ： 方法区、Heap 线程私有的区域 ： 虚拟机栈(VM Stack)、本地方法栈(Native method stack)、程序计数器 。在理解JVM内存区域时，最好结合多线程的场景去理解，才能更好地明白为什么上述区域有些是线程私有的，有些是线程共享的。程序计数器 存放每个线程当前执行的字节码行号的指示器，可以理解
2016-12-18 21:52:54
321
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