摘要: 随着生成式 AI 的快速发展,RAG(Retrieval-Augmented Generation,检索增强生成)技术逐渐成为构建智能对话系统的关键。RAG 通过结合检索和生成两种技术,能够生成更准确、更相关的回答。Spring AI 提供了强大的 RAG 支持,其中 QuestionAnswerA 阅读全文
posted @ 2025-04-08 14:30 brother_four 阅读(1087) 评论(0) 推荐(0)
摘要: Spring AI 作为 Spring 生态系统中用于构建 AI 应用的框架,提供了与多种向量数据库的集成支持。本文将详细介绍如何在 Spring AI 项目中集成 Redis Stack 作为向量数据库,并演示如何将文档写入向量库以及进行向量相似度搜索。 准备环境 在开始之前,请确保您已经完成以下 阅读全文
posted @ 2025-03-12 17:18 brother_four 阅读(1537) 评论(0) 推荐(0)
摘要: 在现代数据处理中,ETL(Extract, Transform, Load)管道是一个非常重要的概念。它允许我们从不同的数据源中提取数据,进行必要的转换,然后将数据加载到目标存储系统中。本文将介绍如何使用 Spring AI 和 Apache Tika 构建一个简单的 ETL 管道,特别是如何利用 阅读全文
posted @ 2025-03-11 13:43 brother_four 阅读(1595) 评论(0) 推荐(0)
摘要: 在现代人工智能和机器学习应用中,嵌入模型(Embedding Model)扮演着至关重要的角色。嵌入模型能够将高维度的数据(如文本、图像等)转换为低维度的向量表示,从而使得这些数据能够在机器学习模型中被有效地处理和利用。Spring AI作为一个强大的AI框架,提供了对嵌入模型的全面支持。本文将深入 阅读全文
posted @ 2025-03-05 09:16 brother_four 阅读(728) 评论(0) 推荐(0)
摘要: 在构建智能对话系统时,响应的处理方式对于系统的性能和用户体验至关重要。Spring AI 作为一个现代化的框架,支持两种常见的响应处理方式:流式响应(Streaming Response)和非流式响应(Non-streaming Response)。这两种模式各有其优势和适用场景,理解它们的差异能够 阅读全文
posted @ 2025-03-04 10:01 brother_four 阅读(1286) 评论(0) 推荐(0)
摘要: 对话记录(内存存储) 在现代智能对话系统中,能够有效地记录和管理对话历史是至关重要的。它不仅帮助提升对话的上下文理解,还能优化用户体验,尤其是在需要跨多轮对话时。在 Spring AI 框架下,内存存储对话记录是一个简单但强大的方法,可以让我们更灵活地处理对话内容,进行状态跟踪和数据分析。今天,我们 阅读全文
posted @ 2025-02-28 17:07 brother_four 阅读(950) 评论(0) 推荐(0)
摘要: 随着人工智能(AI)技术的迅速发展,越来越多的开发者开始关注如何在自己的应用中集成 AI 功能。Spring 框架作为一种流行的 Java 开发框架,提供了强大的支持来构建现代应用程序。本文将为你介绍如何快速上手 Spring AI,帮助你在项目中轻松集成 AI 功能。 什么是 Spring AI? 阅读全文
posted @ 2025-02-26 22:13 brother_four 阅读(458) 评论(0) 推荐(0)
摘要: 基本概念 事务的基本特性 事务并发引发的问题 事务的隔离级别 不同隔离级别引发的问题 案例说明 本此案例使用单表进行测试,具体表结构如下所示: 表中有两条数据张三的余额为100,李四的余额为0; 读未提交 在Windows环境下使用dos窗口(此处需要两个窗口进行测试分别为A/B)进入mysql的客 阅读全文
posted @ 2019-04-16 16:05 brother_four 阅读(1129) 评论(1) 推荐(1)
摘要: Java8 Lambda 阅读全文
posted @ 2019-04-12 09:18 brother_four 阅读(1008) 评论(0) 推荐(0)
摘要: Maven生命周期 在上次我们使用maven package 对项目进行打包。这里就是为其指定一个生命周期。生命周期是包含在一个项目构建中的一系列有序的阶段。Maven有许多不同的生命周期,比如验证(validation),测试(testing),或者发布(deployment),不同的生命周期在项 阅读全文
posted @ 2018-04-10 23:49 brother_four 阅读(299) 评论(0) 推荐(0)