摘要：
本文以一个完整的代码示例，演示如何在 LangChain / LangGraph 项目中集成 LangFuse，实现对 LLM 调用的可观测性。全文不讲空泛理论，只看代码和效果。 一、为什么要用 LangFuse？ 当你把 LLM 应用从 Demo 推向生产，一定会遇到这几个问题： 一次用户请求，L 阅读全文
posted @ 2026-06-05 14:28 work hard work smart 阅读(580) 评论(0) 推荐(0)
摘要：
摘要：大语言模型只能聊天不能做事？Function Call 技术让大模型能够调用外部函数、执行实际操作。本文深度解析其核心原理、两种实现方式和生产实践。 一、痛点：大模型的"残疾"困境 场景重现 假设你问 AI："订单 20240115001 现在到哪了？" 传统模型的局限：无法访问外部系统，只能 阅读全文
posted @ 2026-06-01 22:17 work hard work smart 阅读(42) 评论(0) 推荐(0)
摘要：
摘要：在实际项目中，提示词（Prompt）往往冗长复杂且频繁调整。本文基于真实项目代码，深入讲解 Spring AI 的 PromptTemplate 机制，从基础变量替换到外部文件加载，全面掌握提示词模板的最佳实践。 一、为什么需要提示词模板？ 硬编码提示词的痛点 在实际开发中，我们经常看到这样的 阅读全文
posted @ 2026-06-01 21:32 work hard work smart 阅读(85) 评论(0) 推荐(0)
摘要：
摘要：LangChain4j 是 Java 生态中最流行的大语言模型开发框架。本文从零开始讲解 LangChain4j 的核心概念、两种使用方式（低级 API 和高级 AI Service），涵盖对话管理、流式输出、结构化输出、工具调用等核心功能，帮助 Java 开发者快速上手 AI 应用开发。 一 阅读全文
posted @ 2026-05-31 21:13 work hard work smart 阅读(136) 评论(0) 推荐(0)
摘要：
摘要：多轮对话是大模型应用的核心需求。本文讲解 Spring AI 如何通过 ChatMemory 和 Advisor 机制实现对话短期记忆，并支持 JDBC 持久化。内容包含：短期记忆概念、Advisor 原理、内存/JDBC 两种实现、生产环境配置。 一、什么是短期记忆？ 短期记忆（Short- 阅读全文
posted @ 2026-05-31 16:38 work hard work smart 阅读(70) 评论(0) 推荐(0)
摘要：
摘要：提示词工程（Prompt Engineering）是发挥大模型能力的关键技术。本文结合实际项目代码，系统讲解 Spring AI 中提示词工程的四大核心策略：角色设定、少样本学习、结构化输出和思维链推理。 一、什么是提示词工程？ 提示词工程是通过精心设计的提示词（Prompt），引导大模型输出 阅读全文
posted @ 2026-05-30 22:32 work hard work smart 阅读(58) 评论(0) 推荐(0)
摘要：
摘要：ChatClient 是 Spring AI 提供的高级 API，通过链式调用和 Builder 模式，让大模型调用变得更加优雅和灵活。本文结合实际项目代码，全面讲解 ChatClient 的使用技巧和最佳实践。 一、为什么需要 ChatClient？ 在使用 Spring AI 开发大模型应 阅读全文
posted @ 2026-05-30 22:07 work hard work smart 阅读(64) 评论(0) 推荐(0)
摘要：
摘要：本文详细介绍如何在 Spring Boot 项目中集成 Spring AI 和 Spring AI Alibaba，使用 DashScopeChatModel 调用通义千问等大模型，实现对话和流式输出功能。 一、什么是 DashScope？ DashScope（灵积模型服务）是阿里云推出的大模 阅读全文
posted @ 2026-05-30 21:52 work hard work smart 阅读(387) 评论(0) 推荐(0)
摘要：
摘要：Server-Sent Events (SSE) 是一种基于 HTTP 的服务器推送技术，在 AI 大模型流式响应场景中广泛应用。本文结合实际代码，详细介绍 Spring 框架中实现 SSE 的三种主流方式。 什么是 SSE？ SSE（Server-Sent Events）是一种允许服务器向浏 阅读全文
posted @ 2026-05-30 20:59 work hard work smart 阅读(223) 评论(0) 推荐(0)
摘要：
从零开始部署阿里巴巴开源的 AI 沙箱平台，解决 AI Agent 代码执行的安全隐患 OpenSandbox 是阿里巴巴开源的 AI 应用通用沙箱平台，专门用于安全、隔离地运行 AI 代理生成的代码、自动化脚本以及桌面应用交互。 无论是本地开发还是生产部署，OpenSandbox 都提供了标准化的 阅读全文
posted @ 2026-05-28 09:50 work hard work smart 阅读(2147) 评论(0) 推荐(0)
摘要：
什么是 LangGraph 开发服务器？ LangGraph 开发服务器是 LangChain 提供的一个强大的本地开发工具，它允许开发者在本地环境中快速构建、测试和调试基于 LangGraph 的 AI Agent 应用。通过简单的命令行启动，即可获得一个完整的开发环境，包括 API 服务、可视化 阅读全文
posted @ 2026-05-26 14:18 work hard work smart 阅读(136) 评论(0) 推荐(0)
摘要：
在构建智能代理（AI Agent）时，我们经常需要让Agent具备读取、写入、搜索和编辑文件的能力。DeepAgents框架通过Backend（后端）机制实现了这一功能，为Agent提供了一个安全、可控的文件操作环境。本文将深入探讨Backend的概念、使用方法，并通过四个渐进式的示例来展示其强大功 阅读全文
posted @ 2026-05-24 20:20 work hard work smart 阅读(127) 评论(0) 推荐(0)
摘要：
前言 在微服务和云原生时代，选择合适的编程语言来构建 Web API 至关重要。作为一名曾经使用 Java Spring Boot 多年的开发者，当我第一次接触 Go 语言时，就被它的简洁和高效所震撼。本文将从实际开发角度，讲解为什么选择 Go 来开发 Web 接口，并通过一个完整的实战项目带你入门 阅读全文
posted @ 2026-05-10 21:35 work hard work smart 阅读(69) 评论(0) 推荐(0)
摘要：
📊 系统架构总览 graph TB START[系统启动] --> A[1.服务启动] A --> B[FastAPI服务器] B --> C{API路由分发} C --> D[3.任务执行] C --> E[2.文件上传] C --> F[8a.文件列表] C --> G[8b.文件下载] C 阅读全文
posted @ 2026-05-04 23:14 work hard work smart 阅读(26) 评论(0) 推荐(0)
摘要：
总体流程概览 graph LR A[1.用户提问] --> B[2.商品确认<br/>qwen-flash] B --> C{2.是否有答案?} C -->|是/反问| D[8.答案输出] C -->|否| E[3.多路搜索] E --> F[3.1 向量检索<br/>BGE-M3本地] E --> 阅读全文
posted @ 2026-05-04 22:54 work hard work smart 阅读(43) 评论(0) 推荐(0)
摘要：
RAG系统文件导入流程图 总体流程概览 graph LR A[1.前端上传] --> B[2.FastAPI接收] B --> C[保存本地+MinIO] C --> D[3.启动LangGraph] D --> E{3.1文件类型} E -->|PDF| F[3.2 PDF转MD<br/>Mine 阅读全文
posted @ 2026-05-04 22:35 work hard work smart 阅读(52) 评论(0) 推荐(0)
摘要：
百炼 WebSearch 快速入门指南 什么是百炼 WebSearch？ 百炼 WebSearch 是阿里云百炼平台提供的一款强大的联网搜索 MCP（Model Context Protocol）工具。它能够让你的 AI 应用具备实时获取互联网信息的能力，突破大模型训练数据的时效性限制。 地址：ht 阅读全文
posted @ 2026-04-27 21:39 work hard work smart 阅读(317) 评论(0) 推荐(0)
摘要：
Python 连接 MongoDB 完整指南：从连接配置到增删改查实战 前言 在现代应用开发中，MongoDB 作为一款流行的 NoSQL 数据库，以其灵活的文档模型、强大的查询能力和优秀的性能，成为了众多开发者的首选。本文将基于实际项目代码，详细介绍如何使用 Python 连接 MongoDB，并 阅读全文
posted @ 2026-04-27 14:25 work hard work smart 阅读(72) 评论(0) 推荐(0)
摘要：
一行命令搞定 MongoDB 开发环境：Docker Compose 部署 + 可视化管理 记录从编写 docker-compose.yml 到成功运行 MongoDB 与 mongo-express 的全过程，并解决国内网络下镜像拉取失败的问题 一、目标：快速拥有一套 MongoDB + 可视化管 阅读全文
posted @ 2026-04-27 13:58 work hard work smart 阅读(84) 评论(0) 推荐(0)
摘要：
使用 Attu 可视化管理 Milvus 向量数据库 什么是 Attu？ Attu 是 Milvus 官方推出的图形化管理工具，你可以把它想象成"数据库的可视化控制面板"。就像我们用文件资源管理器管理电脑文件一样，Attu 让你不用写代码就能轻松管理 Milvus 中的向量数据。 核心功能： 📊 阅读全文
posted @ 2026-04-26 11:22 work hard work smart 阅读(244) 评论(0) 推荐(0)
浙公网安备 33010602011771号