- 博客(89)
- 收藏
- 关注
RSS订阅原创 Spring AI开发跃迁指南（第三章：精进之道1——花样玩转LLM对话记忆功能）
Spring AI提供了多种聊天记忆存储方案，包括内存、JDBC、Cassandra和Neo4j。核心组件ChatMemory通过MessageWindowChatMemory实现对话历史管理。JDBC方案支持主流数据库，需配置初始化脚本；Cassandra方案适合高可用场景，支持TTL功能；Neo4j方案利用图数据库特性。开发者可根据需求选择存储方式，通过简单配置即可实现大模型的上下文记忆功能。（150字）
2025-06-03 15:16:08
1433
1
原创 kafka学习笔记（三、消费者Consumer使用教程——配置参数大全及性能调优）
本文详细介绍了Kafka消费者的核心配置参数与性能优化策略。参数部分涵盖必填项（如bootstrap.servers、group.id）、网络设置（fetch.min.bytes等）和提交策略（auto.offset.reset）。性能优化建议包括：调整拉取参数（max.poll.records）、心跳配置（session.timeout.ms）、采用手动异步提交位移，以及通过增加消费者实例、多线程处理、批量操作提升吞吐量。还涉及JVM调优、分区设计等系统级优化，帮助实现高并发低延迟的消费场景。
2025-05-31 21:52:24
1122
原创 kafka学习笔记（三、消费者Consumer使用教程——消费性能多线程提升思考）
针对KafkaConsumer单线程限制，本文提出两种多线程实现方案：线程封闭方式：每个线程创建独立KafkaConsumer实例，并发度受分区数限制。代码示例展示了通过KafkaConsumerThread类实现多线程消费。消息处理多线程：在方案一基础上增加线程池处理消息，使用RecordsHandler类异步处理消息记录，需配合共享offsets实现提交。该方案进一步提升消费速度，但需注意线程安全。两种方案均通过代码示例说明实现细节，适用于不同消费场景需求。
2025-05-31 21:51:57
920
原创 Spring AI开发跃迁指南（第二章：急速上手6——Spring AI 多模态＜图片、语音、文本＞及完整代码演示）
本文介绍了Spring AI Message API如何支持多模态LLM处理文本、图像、音频等多源数据。通过UserMessage的content和media字段实现多模态输入，并给出代码示例演示图片识别功能。虽然当前文本模型无法处理图像，但展示了多模态API的基础使用方法，建议使用支持多模态的模型实现完整功能。
2025-05-30 12:30:12
361
原创 Spring AI开发跃迁指南（第二章：急速上手5——Spring AI 结构化输出源码级原理详解及使用实例）
Spring AI 的 StructuredOutputConverter 提供了将大语言模型(LLM)的自由文本输出转换为结构化格式(如JSON/XML/Java对象)的解决方案。该转换器通过双阶段处理：在LLM调用前附加格式化指令指导输出结构，在调用后解析文本并映射到目标数据结构。
2025-05-30 12:29:34
915
原创 kafka学习笔记（三、消费者Consumer使用教程——从指定位置消费）
本文介绍了Kafka消费者如何通过seek()方法实现精确位移消费控制。
2025-05-29 09:51:44
822
原创 kafka学习笔记（三、消费者Consumer使用教程——使用实例及及核心流程源码讲解）
文章内容聚焦Kafka消费者实现的关键技术点，通过代码示例和概念解析相结合的方式，系统性地介绍了Kafka消费者的工作机制和使用方法。
2025-05-29 09:50:20
1442
原创 weaviate向量库从零开始——weaviate混合搜索详解及提高性能的关键技巧
Weaviate混合检索技术融合了语义检索和关键词搜索的优势，通过权重调节平衡两者结果。摘要介绍了其工作原理、搜索语法及性能优化技巧，包括权重参数调优、过滤条件设计、向量生成优化和大规模数据处理策略。该技术适用于复杂检索需求，能有效提升召回率与准确率，用户可通过调整alpha参数（0-1）控制搜索侧重点，并结合业务场景优化检索性能。
2025-05-28 09:35:44
419
原创 weaviate向量库从零开始——weaviate关键字搜索详解及使用场景推荐
BM25关键词搜索是一种基于全文检索的黄金标准算法，支持语义扩展和相关性排序。本文详细介绍了BM25搜索的实现方式，包括基础搜索、评分检索、属性定向搜索、权重提升和标记设置等核心功能。文章还深入解析了BM25算法原理，包含TF-IDF计算、文档长度归一化等关键技术，并提供了多语言分词、停用词过滤和同义词扩展等高级特性实现方案。最后给出了BM25参数调优建议，帮助开发者根据实际场景优化搜索效果。通过Java代码示例展示了各类搜索场景下的API调用方法，为构建高效检索系统提供实践参考。
2025-05-28 09:34:47
833
原创 weaviate向量库从零开始——weaviate搜索基础、文本和图像相似度搜索详解
Weaviate向量数据库提供了多种搜索方式，包括向量相似度搜索（nearText/nearImage/nearObject/nearVector）、关键字搜索（bm25）及混合搜索（hybrid）。可通过Java客户端灵活控制查询参数，如返回数量、偏移量、分组、过滤条件等。支持指定返回属性、向量数据、元数据，并包含多租户查询功能。典型的向量搜索示例包括基于文本（nearText）的语义查询，通过构建NearTextArgument指定搜索概念，结合Fields定义输出字段，最后使用GraphQL查询获取匹
2025-05-27 09:16:49
684
原创 weaviate向量库从零开始——weaviate cloud数据向量化完整实例解析
本文介绍了如何在Weaviate数据库中使用向量化功能。首先讲解了本地搭建Weaviate时如何配置文本向量化器（如OpenAI-Text-Embeddings），并通过Java客户端创建带向量化器的集合。接着重点介绍了Weaviate Cloud的使用方法，包括如何通过API Key认证创建客户端，以及如何配置内置的Weaviate-Text-Embeddings向量化模型（Snowflake系列）来创建支持多语言和长文本的集合。文章还提供了数据对象导入的示例代码，完整展示了从配置到数据操作的全流程。
2025-05-27 09:15:37
769
原创 Spring AI开发跃迁指南（第二章：急速上手3——Spring AI 提示词及提示词模版核心原理及使用实例）
提示词是引导 AI 模型生成特定输出的输入，这些提示的设计和措辞会显著影响模型的响应。
2025-05-26 09:30:05
1484
2
原创 AI的出现传统思维职业者是否还有存在的价值？
AI技术正深刻改变IT行业，基础编码和测试岗位替代率高达85%，但高端岗位如系统架构师替代率不足15%。AI虽提升效率，但存在创造力不足、决策依赖数据等局限，无法完全替代人类。当前IT从业者正通过AI工具实现效率跃升，如GitHub Copilot已广泛应用。未来行业将向“人机协同”模式转型，新兴AI相关岗位需求激增。从业者需提升AI协作能力，强化创新和战略思维等核心竞争力。AI并非替代人类，而是推动人机协作新纪元，人类的创造力与AI的高效执行将形成互补，共同推动技术进步。
2025-05-26 09:19:20
701
原创 kafka学习笔记（四、生产者、消费者（客户端）深入研究(三)——事务详解及代码实例）
Kafka事务是Apache Kafka在流处理场景中实现Exactly-Once语义的核心机制。它允许生产者在的操作中，以或消息，确保数据处理的最终一致性。例如，在流处理中，消费者读取消息后处理并生成新消息，若处理失败，事务可确保原始消息的消费偏移与新消息的发送同时回滚，避免数据不一致。跨分区的写操作要么全部成功，要么全部失败。事务未提交时，消息对消费者不可见（通过配置实现）。事务状态持久化至内部，支持故障恢复。
2025-05-09 17:19:32
1045
8
原创 weaviate向量库从零开始——weaviate集合、对象管理从零代码开始详解
最要讲解weaviate向量库对集合、对象的各种管理操作，增删改查集合和对象等。
2025-05-09 17:15:59
1137
1
原创 weaviate向量库从零开始——weaviate cloud、weaviate docker安装配置及使用连接示例
Weaviate简单简介和对比我们已经在上一篇中已经介绍过了。本篇主要介绍Weaviate cloud，Weaviate本地docker安装及相关的配置等。
2025-05-08 16:27:50
1112
原创 Milvus、Weaviate、Redis等主流向量数据库介绍及对比选型
向量数据库（Vector Database）是专门为存储和查询高维向量数据而设计的数据库，主要用于处理由机器学习模型生成的嵌入向量（Embeddings）。它在人工智能（AI）、自然语言处理（NLP）、图像识别和推荐系统等领域有广泛应用。
2025-05-08 15:01:25
1477
2
原创 我的创作纪念日
时间是真的快，不知不觉已经成为在IT领域干了9年了，在刚开始的懵懵懂懂找资料中认识到了CSDN，本来也没想着自己写博客，但是后来偶尔的灵光吧，想把自己的学习知识通过写博客的方式对知识做系统的梳理和记录，提高自己的学习效率和记录学习的知识，方便后续自己查找等，没想到一写就是9年了，也是磕磕绊绊谢了70多篇了。在专业领域是需要一直学习的，希望能保持学习的积极性，一直关注先进的技术领域比如AI领域等，紧跟时代的步伐，能在普通人中顺水而行。创作嘛，先成为博客专家吧，在希望在某几个点上能在全网得到更多同行的认同。
2025-05-03 02:34:32
291
原创 kafka学习笔记（四、生产者、消费者（客户端）深入研究(二)——消费者协调器与_consumer_offsets剖析）
如果消费者客户端中配置了多个分配策略，则多消费者的分区分配交由消费者协调器和组协调器来完成，他们之间使用一套组协调协议进行交互。
2025-05-01 16:46:41
1177
3
原创 Spring AI开发跃迁指南（第二章：急速上手3——Spring AI Advisor核心原理、源码讲解及使用实例）
Spring AI 中的Advisor是一种核心机制，用于拦截和增强 AI 应用程序中的请求与响应流。其设计灵感来源于 Spring AOP（面向切面编程）中的切面（Aspect）概念，但专门针对 AI 交互场景进行了优化。我们自定义一个日志Advisor,在调用链中的下一个顾问之前记录，之后记录。此advisor只观察请求和响应，不做任何膝盖且同时支持非流和流场景。// 为Advisor提供一个唯一的名称@Override// 设置order值来控制执行顺序，值较小的将优先执行。
2025-05-01 11:37:30
1687
原创 Spting AI开发跃迁指南（第二章：急速上手2——Spring AI ChatClinet 构建人工智能应用的高级配置入门）
Spring AI ChatClient高级功能及配置的初步认识
2025-04-23 17:07:21
758
原创 Spring AI开发跃迁指南（第二章：极速上手1——Spring AI ChatClient 20行代码构建人工智能应用）
Spring Ai ChatClinet基本功能讲解及相关配置的应用，并使用简单的代码示例快速上手
2025-04-23 17:05:22
1421
原创 Spring AI开发跃迁指南（第一章：生态破局——Spring AI的颠覆性优势分析）
Spring AI是 Spring 官方团队推出的一个AI 应用开发框架，旨在简化将人工智能功能（如大语言模型、图像生成等）集成到 Java 应用中的过程。它基于 Spring 生态系统的模块化设计，提供统一的 API 和工具，帮助开发者快速构建 AI 驱动的企业级应用。Spring AI 是 Java 开发者进入 AI 应用领域的“加速器”，尤其适合需要将 AI 能力整合到现有 Spring 体系中的团队，兼顾开发效率与生产环境稳定性。
2025-04-18 10:14:23
886
原创 kafka学习笔记（四、生产者、消费者（客户端）深入研究(一)——分区分配策略）
自定义分区分配策略必须实现接口。// 设置消费者自身相关的subscription信息// 提供分区分配策略的名称，命名不能重复// 分区分配方案实现，metadata参数表示集群的元数据信息，subscriptions表示消费组内各个消费者成员的订阅信息，// 最终返回各个消费者的分配信息// 在每个消费者收到消费者组leader分配结果时的回调函数// 表示消费者的订阅信息// 消费者订阅的主题列表// 用户自定义信息// ...// 表示分配结果信息。
2024-07-16 16:06:18
1180
原创 Netty一文搞懂——核心原理篇＜随手笔记＞
server端启动时绑定本地某个端口，将自己注册到某个的selector上。server端包含一个和一个相当于一个事件循环组，这个事件循环组里包含多个事件循环，每个包含一个selector和一个事件循环线程。
2024-07-16 16:05:25
1306
原创 kafka学习笔记（三、生产者Producer使用教程——原理及最全配置参数解析）
生产者就是负责向kafka发送消息的应用程序。消息在通过send()方法发往broker的过程中，有可能需要经过和的一系列作用后才能被真正的发往broker。key用来指定消息的键，不仅是附加消息还可以用来计算分区号而可以让消息发往特定的分区。byte[]
2024-05-07 17:58:00
3294
1
原创 Netty一文搞懂——基础篇＜随手笔记＞
Netty是一个异步事件驱动的网络应用程序框架，用于快速开发可维护的高性能协议服务端和客户端。对JDK自带的NIO的API进行了封装解决了上述问题。且具有高性能、高吞吐量、低延迟、低资源消耗、最小化不必要的内存复制等优点。
2024-05-07 17:57:24
989
原创 Kafka学习笔记（二、linux和docker安装及使用demo）
第一个总是Kafka Connect进程的配置，包含常见的配置，比如Kafka要连接的代理和数据的序列化格式。这些示例配置文件，包含在Kafka中，使用您之前启动的默认本地集群配置并创建两个连接器:第一个是源连接器，它从输入文件中读取行并将每个行生成到Kafka主题，第二个是接收器连接器，它从Kafka主题中读取消息并将每个消息作为输出文件中的一行生成。下面我们介绍如何使用简单的连接器来运行Kafka Connect，将数据从文件导入到Kafka主题，并将数据从Kafka主题导出到文件。
2024-04-23 18:13:25
1594
2
原创 TCP协议核心一文搞懂＜随手笔记＞
传输控制协议，是一种面向连接的、可靠的、基于IP的传输层协议。TCP工作于传输层，IP在网络层，ARP在数据链路层第一个字节TCP传送的数据流中，每个字节都有一个序号，序号是32bit的无符号数，到达a32−1后从0开始TCP段首部的长度必须全部为0流量控制缓冲区大小确认号字段指明的值65535CheckSum是根据伪头+TCP头+TCP数据三部分进行计算的32bit的整数倍。
2024-04-23 18:12:55
1219
原创 OSI网络七层协议＜随手笔记＞
OSI（Open System Interconnect），即。一般都叫，是组织在1985年研究的网络互连模型。该体系结构标准定义了网络互连的七层框架。
2024-04-19 09:44:27
670
原创 neo4j使用详解（二十、java driver核心数据类型及API文档等——最全参考）
本章主要讲解Cypher数据类型和Java类型之间的映射，是java driver的核心讲解，会让对java driver的源码、使用及与cypher之间的关系有一个深入的了解。java driver驱动程序序列化数据的值类型的完整列表，请参阅API文档。
2024-04-15 23:51:47
2019
原创 neo4j使用详解（十九、java driver高级连接及安全——最全参考）
使用登录到具有自定义身份验证方案的服务器。```java```在创建Driver对象时，您可以指定一个解析器函数来解析初始化驱动程序的连接地址。注意：驱动程序在路由表中接收的地址不能用自定义解析器解析。可以通过配置方法指定解析器，该方法与对象一起工作。
2024-04-15 23:51:31
1987
原创 neo4j使用详解（终章、neo4j的java driver使用模板及工具类——＜可用于生产＞）
图谱操作的http请求参数及响应参数标准数据结构定义（node，edge，graph等）一次性操作多个node，多个edge或者path（graph）的模板代码工具类使用事务一次提交多个cql的使用模板可以支持连接多个neo4j实例的方法使用时保证sql注入的实现。
2024-04-14 21:30:39
1400
2
原创 neo4j使用详解（十八、java driver使用及性能优化＜高级用法＞——最全参考）
neo4j的java driver简单使用及性能优化讲解。
2024-04-14 21:23:23
1978
3
原创 Clob数据类型解析及读取转换
CLOB（Character Large Object） 是指用于存储大型文本数据的数据类型。与之对应的另一个数据类型是 BLOB，指的是二进制大型对象。CLOB 类型在实际应用中非常广泛，尤其是在存储长篇文字、图书、电子邮件以及其他类似数据时，能够提供很大的便利性。
2024-04-12 09:57:11
2260
1
原创 neo4j使用详解（十七、集成Kerberos认证(Java/c#)——最全参考）
Kerberos是一种网络身份验证协议，它允许网络节点在网络上证明其身份。它通过使用密钥分发中心(KDC)来确保客户端标识是正确的。除了安全性之外，Kerberos还支持单点登录。这允许在登录到计算机后授予用户对数据库的访问权限，从而为用户提供了简单性。Neo4j支持使用Kerberos：4.x、5.x版本支持。
2024-04-12 09:52:21
901
1
原创 neo4j使用详解（十六、索引之语义索引＜向量索引＞——最全参考）
节点矢量搜索索引在Neo4j 5.11中作为公测版本发布，在Neo4j 5.13中作为通用版本发布。向量索引允许用户从大型数据集查询向量嵌入。嵌入是数据对象(如文本、图像、音频或文档)的数字表示。例如，文本中的每个单词或标记通常表示为高维向量，其中每个维表示单词含义的某个方面。语义上相似或相关的词通常用向量空间中彼此更接近的向量来表示。这允许像加法和减法这样的数学运算带有语义意义。例如，“国王”减去“男人”加上“女人”的向量表示可能接近于“女王”的向量表示。
2024-04-11 09:33:04
4521
原创 neo4j使用详解（十五、索引之语义索引＜全文索引＞——最全参考）
全文索引用于按STRING属性为节点和关系建立索引。与范围索引和文本索引不同，全文索引只能执行有限的STRING匹配(精确匹配、前缀匹配、子字符串匹配或后缀匹配)，全文索引在任何给定的STRING属性中存储单个单词。这意味着全文索引可用 于在STRING属性的内容内进行匹配。全文索引还返回给定查询字符串与存储在数据库中的string值之间的接近度评分，从而使它们能够在语义上解释数据。全文索引由索引和搜索库提供支持。全文索引支持节点和关系的索引。
2024-04-11 09:31:57
2284
Spring Cloud参考指南.pdf
2024-03-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人