JavaPub

摘要： 现在做 AI Agent，大家很容易遇到一个问题： Agent 每次都像第一次见你。 比如昨天你告诉 AI： ShiyuAdmin 后端主要使用 Go， 数据库是 MySQL， Redis 做缓存。 今天再问： 我那个后台项目用什么缓存？ 如果没有长期记忆，模型只能回答： 我不知道你说的是哪个项目。 阅读全文

摘要： 前面我们用 Owlready2 讲过： Class ObjectProperty InverseProperty TransitiveProperty Reasoner 比如定义： Employee + hasSkill Go = GoEngineer 然后 Reasoner 可以自动推出： 张三 阅读全文

摘要： 很多人第一次做 AI Agent Memory，思路非常直接： 用户聊天 ↓ 提取重要信息 ↓ 存数据库 ↓ 以后搜索回来 比如用户说： 我叫张三，是 Java 后端工程师。 于是存一条： 张三 → profession → Java 后端工程师 过几天又说： 张三最近开始做 Go 了。 继续存： 阅读全文

摘要： 前面我们已经用 Apache Jena 创建过这样的知识图谱： 张三 ├── 属于 → 研发部 ├── 掌握 → Go ├── 掌握 → Redis └── 参与 → 支付系统 支付系统 ├── 使用数据库 → PostgreSQL └── 部署在 → Kubernetes 李四 └── 维护 → 阅读全文

摘要： 前面介绍 Ontop 时，我们说过一句很有意思的话： 不用把 MySQL 数据搬到图数据库，也可以把它“变成”知识图谱。 第一次看到这里，很多人会有疑问： 数据明明还在 MySQL ↓ 为什么可以使用 SPARQL 查询？ ↓ RDF 三元组到底存在哪里？ ↓ SPARQL 最后是谁执行的？ 答案就 阅读全文

摘要： 最近在研究 Python 里的知识图谱工具 Owlready2。 项目地址： https://github.com/pwin/owlready2 前面如果只是看看 Owlready2 的 API，你可能会觉得它就是： Python 类 + RDF + OWL + SPARQL 换了一套方式存数据而已 阅读全文

摘要： 很多 Java 程序员第一次接触知识图谱，第一反应通常是： 这东西是不是必须先学 Neo4j？ 其实不是。 知识图谱真正应该先理解的是： RDF Triple URI SPARQL Ontology 而如果你本身就是 Java 程序员，有一个非常值得学习的开源项目： Apache Jena GitH 阅读全文

摘要： 最近我拿 Jev 做了一个挺有意思的小实验。 我把它塞进了一个 2048 游戏里，让它自己玩。 2048 这个游戏大家都知道，规则并不复杂。每一步能做的事情只有四个： 上 下 左 右 模型不需要写一篇分析，也不需要跟我解释为什么这么走。 它只需要干一件事： 做决定。 把当前棋盘状态交给它，然后告诉它 阅读全文

摘要： 最近在整理自己的小游戏项目： https://github.com/Rodert/shiyu-games 这个仓库里面已经放了不少 Web 小游戏，包括： 2048、贪吃蛇、俄罗斯方块、五子棋、Flappy Bird、迷宫、赛车、节奏游戏、打字游戏等等。 这些小游戏看起来简单，但如果真的自己从零写一 阅读全文

摘要： GPT-6 Astra 发布后，很多人第一反应是：换个模型名称，不就能直接用了？ 最简单的调用确实只需要修改一行： { "model": "gpt-6-astra" } 但如果只是把旧代码里的模型名称换掉，你可能只能发挥 GPT-6 Astra 一部分能力。 对于代码生成、仓库分析、Bug 定位、自 阅读全文