摘要：
注：本文篇幅较长，且需要有一定的java基础，建议各位看官，备好瓜子、饮料、小板凳，摆个让自己舒服的姿势，慢慢细看^_^， 文中素材均来自互联网（末尾有给出参考文章链接)。 一、JVM运行时内存布局 按java 8虚拟机规范的原始表达：(jvm)Run-Time Data Areas, 暂时翻译为"
阅读全文
posted @ 2019-06-11 14:20
菩提树下的杨过
阅读(6517)
推荐(11)
摘要：
一、jmap找出占用内存较大的实例 先给个示例代码： import java.util.ArrayList; import java.util.List; import java.util.concurrent.CountDownLatch; /** * Created by 菩提树下的杨过 on
阅读全文
posted @ 2017-09-07 11:43
菩提树下的杨过
阅读(4491)
推荐(5)
摘要：
书接上回，这次学习一种更高级的模式：监督者模式。职场上的牛马们，大家回想一下，每次部门的OKR，是怎样层层拆解最终落地的？是不是得有一个大佬(即：监督者)，根据OKR先做拆解计划（plan)，然后把活儿派给各组去落地(action)，中间还会时不时的review？ 这个就叫做监督者模式。 仍然还是这
阅读全文
posted @ 2026-01-18 19:24
菩提树下的杨过
阅读(65)
推荐(0)
摘要：
前面已经学习了 顺序、循环、条件分支、并行 这4种基本的工作流编排方式，利用这些可以组合出各种复杂的逻辑。下面将前面招聘的整个流程串起来，做一个相对比较完整的工作流： 宏观上，1-2-3是面向候选人的，4-5-6是面向公司招聘团队的。 一、定义Agent 1.1 CandidateWorkflow
阅读全文
posted @ 2026-01-18 17:09
菩提树下的杨过
阅读(46)
推荐(0)
摘要：
书接上回，简历评估完后，根据评估结果，如果合格，公司就该通知面试，否则回邮件拒绝。也就是今天要演示的“条件工作流”。下面定义这2个分支对应的Agent: 一、定义不同分支的Agent 1.1 EmailAssistant (发邮件拒绝候选人Agent) 1 public interface Emai
阅读全文
posted @ 2026-01-17 20:29
菩提树下的杨过
阅读(38)
推荐(0)
摘要：
书接上回，现在简历已经润色得足够好了，投递到了HR手上，假设跟候选人也做了初步的电话沟通。接下来，公司需要对候选人做如下审查： 经理：针对简历，结合招聘岗位要求，审查简历是否符合要求（包括优点和不足） HR：针对简历，结合电话沟通记录以及HR招聘相关要求，审查简历是否适合（包括优点和不足） 团队成员
阅读全文
posted @ 2026-01-17 16:02
菩提树下的杨过
阅读(46)
推荐(0)
摘要：
接上节继续，仍然还是这个简历优化的示例，这次引入1个 “简历审阅者(CVReviewer)”的角色，定义如下： public interface CvReviewer { @Agent("根据特定指示审阅简历，提供反馈和分数。请考虑简历与职位要求的匹配程度") @SystemMessage("""
阅读全文
posted @ 2026-01-15 20:24
菩提树下的杨过
阅读(31)
推荐(0)
摘要：
接上节继续，本篇将演示 顺序工作流的实现（即：Building Effective AI Agents \ Anthropic 中的 Prompt Chain模式） 上一节，我们学会了如何基于个人资料，生成一份简历。有了简历，自然要投递到某个招聘岗位，假设有个“全栈工程师”的岗位JD要求如下： jo
阅读全文
posted @ 2026-01-12 20:59
菩提树下的杨过
阅读(50)
推荐(0)
摘要：
自近年AI智能体火爆以来，各种相关的框架和最佳实践也不断涌现，Anthropic公司2024年发布的Building Effective AI Agents \ Anthropic 无疑是最有影响力的指导文章之一，langchain4j在此影响之下，也实现一系列的workflow编排&Agent功能
阅读全文
posted @ 2026-01-11 20:04
菩提树下的杨过
阅读(105)
推荐(0)
摘要：
接上节继续，到目前为止，我们都是使用的ChatModel、ChatMessage、ChatMemory这类相对低层的low level API来实现各种功能。除了这些，langchain4j还提供了更高抽象级别的AIService，可以极大简化代码。 一、基本用法 1.1 定义业务接口 1 /**
阅读全文
posted @ 2026-01-11 14:24
菩提树下的杨过
阅读(25)
推荐(0)
摘要：
接上节继续，langchain4j的名字中既然有个chain，自然要体现出链式调用的特性。根据官网的介绍，目前langchain4j内置了2个chain 一、ConversationalChain示例 @GetMapping(value = "/chat/chain", produces = Med
阅读全文
posted @ 2026-01-03 21:34
菩提树下的杨过
阅读(20)
推荐(0)
摘要：
继续我们的langchain4j学习之旅，很多“智能客服”之类的AI应用，“问题分类”是非常重要的功能之一。比如：客人进来咨询问题，得判断出客人的问题是“订单相关”(比如：我要取消订单)，还是“支付相关”（比如：我要退款），还是“投诉相关”（比如：你们的服务太差了，我要投诉到相关部门）。识别出对应分
阅读全文
posted @ 2025-12-09 21:29
菩提树下的杨过
阅读(45)
推荐(0)
摘要：
继续学习langchain4j，玩过dify的朋友想必对"参数提取器"这个节点很熟悉，示例： 参数提取器可以很方便的从“非结构的自然语言”中，提取出结构化的结果。 下面来看看langchain4j如何实现类似功能： public static final String TEST_DATA = """
阅读全文
posted @ 2025-12-08 19:39
菩提树下的杨过
阅读(32)
推荐(0)
摘要：
继续我们的langchain4j之旅，今天来看看RAG如何实现，“RAG萌宠新手盆友们”建议先看看B站大佬的视频RAG 工作机制详解—哔哩哔哩_bilibili，核心步骤就是下面这3张图： 最简单的RAG hello-world1、分片/索引 这里embedding模型，我们用ollamal加载“n
阅读全文
posted @ 2025-12-03 21:23
菩提树下的杨过
阅读(63)
推荐(0)
摘要：
继续学习langchain4j，以下是langchain4j 调用MCP的示例： 1、添加pom依赖 1 <dependency> 2 <groupId>dev.langchain4j</groupId> 3 <artifactId>langchain4j-mcp</artifactId> 4 <v
阅读全文
posted @ 2025-11-23 16:04
菩提树下的杨过
阅读(99)
推荐(0)
摘要：
以往遇到一些数据分析需求，比如：业务给了1份excel数据，需要开发做个报表对其进行分析，并以图表展示。通常需要了解数据逻辑，进行适当开发，涉及到前后端，费时费力。现在有了AI后，可以用dify搭建个智能数据分析助手，全自动处理。 1. 准备数据 我们准备2份excel示例数据（股票数据，以及销售数
阅读全文
posted @ 2025-11-01 23:11
菩提树下的杨过
阅读(799)
推荐(2)
摘要：
众所周知，cursor是基于vs code魔改的一个独立应用，并不象copilot、通义灵码 这类采用plugin机制的AI辅助编码工具。在cursor-cli 与 idea MCP出来之前，只能通过idea里安装 Switch2Cursor Plugin for JetBrains IDEs |
阅读全文
posted @ 2025-10-19 00:40
菩提树下的杨过
阅读(3692)
推荐(0)
摘要：
虚拟线程是一个非常有用的特性，但是JDK25以前，一直存在pinned问题，一些场景下会导致平台线程被占用无法释放。 比如下面的代码，在JDK 21下运行时，会卡住： import java.time.Duration; import java.util.concurrent.Executors;
阅读全文
posted @ 2025-10-16 20:48
菩提树下的杨过
阅读(247)
推荐(2)
摘要：
大模型本身的”知识体系“一般来说，局限于受训练时使用的数据。超出这个数据范围的问题，靠模型自身是无法解答的，得依赖各种外挂工具来增强体验。参考下图： 这一节，我们来学习langchain4j 如何让大模型能利用工具外挂增强自身。 假设一个场景：输入1个订单号，让AI回答订单号现在的状态。 AI连是什
阅读全文
posted @ 2025-09-30 14:04
菩提树下的杨过
阅读(108)
推荐(0)
摘要：
接上一篇继续，langchain4j支持open-ai兼容的各种模式，包括deepseek 一、修改pom依赖 1 <!-- LongChain4j OpenAI Integration (支持DeepSeek) --> 2 <dependency> 3 <groupId>dev.langchain
阅读全文
posted @ 2025-09-28 20:08
菩提树下的杨过
阅读(119)
推荐(0)
摘要：
langchain4j是比spring-ai更早出现的大模型相关工程开源框架，社区成熟，活跃度高。下面演示如何用langchain4j调用本地ollama 一、核心pom依赖 1 <!-- LongChain4j Core --> 2 <dependency> 3 <groupId>dev.lang
阅读全文
posted @ 2025-07-20 17:00
菩提树下的杨过
阅读(646)
推荐(0)
摘要：
继续spring-ai学习之旅，大模型本身是无状态的，也就是每次请求对它来说，都是全新的，无记忆！比如：我们以ollama本地加载qwen3:0.6b模型为例，依次问它以下三个问题： 有1个变量A，它的值是5，那么A加1后，变成几？ A再乘上3，结果是多少？ A再减1，现在是多少？ 直接用postm
阅读全文
posted @ 2025-07-20 11:08
菩提树下的杨过
阅读(548)
推荐(0)
摘要：
继续先前的MCP学习，实际企业级应用中，很多信息都是涉及商业敏感数据，需要考虑安全认证，不可能让MCP Server在网上裸奔。spring web开发中，提供了拦截器功能，最简单的思路，在Client连接到Server的sse时，拦截请求，检测http header头中，是否有必要的token信息
阅读全文
posted @ 2025-07-13 12:17
菩提树下的杨过
阅读(658)
推荐(0)
摘要：
继续来学习spring-ai如何实现“文生图” 一、pom依赖 1 <dependency> 2 <groupId>org.springframework.ai</groupId> 3 <artifactId>spring-ai-starter-model-zhipuai</artifactId>
阅读全文
posted @ 2025-07-12 23:20
菩提树下的杨过
阅读(371)
推荐(0)
摘要：
前面学习了stdio模式的MCP使用，可以看到这种方式局限性比较大，mcp host/mcp client/mcp server通常要在同1台机器上，使用进程间通讯。更常见的做法是，大家各自部署自己的mcp server，就象常规后端http api一样，想部署在哪都行，只要http能访问即可。 一
阅读全文
posted @ 2025-07-12 22:43
菩提树下的杨过
阅读(694)
推荐(0)
摘要：
上一节，通过1个最基本的MCP Server/Client示例，初步了解了MCP的用法．STDIO模式下，client与server同在1台机器上，client会创建1个子进程来启动server，然后使用json rpc来做为约定的消息格式进行通讯。 如果想知道交互过程中的json原文，可以下载 h
阅读全文
posted @ 2025-07-12 16:33
菩提树下的杨过
阅读(508)
推荐(0)
摘要：
使用spring-ai创建1个MCP Server很容易，下面演示MCP(stdio模式)的写法： 一、添加依赖项 1 <dependency> 2 <groupId>org.springframework.ai</groupId> 3 <artifactId>spring-ai-starter-m
阅读全文
posted @ 2025-07-10 19:37
菩提树下的杨过
阅读(554)
推荐(0)
摘要：
上一节学习了spring-ai调用本地ollama，这次继续学习调用远程deepseek 一、pom依赖调整 加入openai的依赖 1 <dependency> 2 <groupId>group.springframework.ai</groupId> 3 <artifactId>spring-a
阅读全文
posted @ 2025-07-10 09:04
菩提树下的杨过
阅读(389)
推荐(0)
摘要：
spring-ai框架为java程序员快速融入AI大潮提供了便利，下面演示如何调用本地deepseek模型 一、安装ollama https://www.ollama.com/ 首页下载安装即可 选择适合的模型，pull到本地，个人电脑建议选择deepseek-r1:7b或1.5b 启动模型 oll
阅读全文
posted @ 2025-07-06 23:07
菩提树下的杨过
阅读(665)
推荐(0)
摘要：
今天尝试用cursor全自助生成了1个spring boot调用ollama(本地模型) +远程deepseek的示例项目。 效果图： .. 主要特性（摘自Readme.md，其实也是 Cursor生成的） 🎯 项目特色 🤖 双AI支持: 同时支持本地Ollama和远程DeepSeek两种AI提
阅读全文
posted @ 2025-06-29 00:04
菩提树下的杨过
阅读(160)
推荐(0)
摘要：
为方便讨论，假设有下面2张订单表：t_order_vip(用于存放VIP的订单)，t_order_normal(用于存放普通用户的订单) -- 注：为了演示自定义分片算法而设想的场景，大家不必太纠结其真实性。 分片规则：根据user_id，假设user_id为1,2,3的为VIP用户，其它id为普通
阅读全文
posted @ 2025-04-12 22:47
菩提树下的杨过
阅读(955)
推荐(0)
摘要：
本文用一个订单提交的示例，描述了如何在使用虚拟线程时，合理控制执行的并发数，防止把下游资源打爆
阅读全文
posted @ 2024-11-18 21:02
菩提树下的杨过
阅读(713)
推荐(1)
摘要：
1. cookie有2个版本(version 0与version 1)，version 0最早是网景公司定的，比较保守，value值不能有特殊字符，比如 冒号之类的，象 GMT+05:30，在version 0下，取出来，就变成GMT+05，冒号后的:30丢了 2. java中目前支持的是 vers
阅读全文
posted @ 2024-05-17 16:56
菩提树下的杨过
阅读(187)
推荐(0)
摘要：
lua脚本在执行过程中，可动态接收参数，这样可以让系统更灵活，以上节的自动外呼为例，callout.lua改成下面这样： -- 主叫 local callernum = argv[1]; -- 被叫 local calleenum = argv[2]; freeswitch.consoleLog("
阅读全文
posted @ 2024-01-15 09:59
菩提树下的杨过
阅读(599)
推荐(1)
摘要：
相信大家可能接到过一些电话，听上去不象是真人打过来的，比如：通知“您的信用卡到期了”，或者“您订的飞机航班取消了，请尽快改签或取消行程”，这种就是所谓的“自动外呼”系统，技术上讲，可以通过 esl inbound模式实现（注：对esl不熟悉的朋友，戳这里） 大概思路： 先把一些要外呼的任务计划，落地
阅读全文
posted @ 2024-01-13 17:17
菩提树下的杨过
阅读(903)
推荐(0)
摘要：
IVR(Interactive Voice Response)交互式语言应答，是呼叫中心的1个经典应用场景，FreeSwitch官方有一个利用lua实现的简单示例，大致原理是利用lua脚本+TTS实现，记录一下：(环境：FreeSwitch 1.10.11 + Windows 10) 步骤1：安装T
阅读全文
posted @ 2024-01-13 15:32
菩提树下的杨过
阅读(971)
推荐(1)
摘要：
在呼叫中心系统中，有二类特殊的应用场景，即所谓的“群振”（也叫“共振”或“同振”）以及“顺振”。 群振的业务场景： 当客人电话进线时，希望呼叫中心的所有客服都能响应（即：假设呼叫中心有5个客服在接线，客人来电时，这5个客服的电话一起响），任何1个客服都可以接听（注：该客服接起来后，其它客服的分机就不
阅读全文
posted @ 2024-01-07 16:07
菩提树下的杨过
阅读(803)
推荐(0)
摘要：
直接看官网文档 ： https://dev.mysql.com/doc/refman/8.0/en/date-and-time-functions.html#function_date-format SpecifierDescription %a Abbreviated weekday name (
阅读全文
posted @ 2023-11-15 13:35
菩提树下的杨过
阅读(2252)
推荐(0)
摘要：
transformer库是huggingface发布的1个框架，非常好用，很多外行看起来高大上的问题，用它都可以轻松解决，先来看1个小例子： 一、情感分析 from transformers import pipeline classifier = pipeline('sentiment-analy
阅读全文
posted @ 2023-08-20 16:05
菩提树下的杨过
阅读(1534)
推荐(0)
摘要：
text-generation-webui 是一个基于Gradio的LLM Web UI开源项目，可以利用其快速搭建各种文本生成的大模型环境。 一、安装 text-generation-webui的readme其实已写得相当详细了，这里就不再重复，只说1个可能存在的坑： 安装 peft 安装卡住 r
阅读全文
posted @ 2023-08-19 17:51
菩提树下的杨过
阅读(4441)
推荐(0)
摘要：
目前绝大多数LLM模型都是python实现的，运行速度有限（包括ChatGLM2-6b)，幸好有大神将其用C++重写了一遍，让运行速度大大提高。 项目地址：li-plus/chatglm.cpp: C++ implementation of ChatGLM-6B & ChatGLM2-6B (git
阅读全文
posted @ 2023-08-12 23:41
菩提树下的杨过
阅读(6337)
推荐(0)
摘要：
对于不想安装windows/linux双系统的朋友来说，WSL2是不错的选择，但在使用过程中可能会遇到一些问题，以下是本人踩过的坑，记录于此： 一、安装前提 1.1 检测windows版本 windows10 版本必须高于 内部版本 19041 ，检测方法 ：Ctrl+R，输入winver查看版本（
阅读全文
posted @ 2023-08-12 11:30
菩提树下的杨过
阅读(41468)
推荐(14)
浙公网安备 33010602011771号