- 博客(14)
- 收藏
- 关注
RSS订阅原创 以太坊Pectra升级深度解析
布拉格升级的核心目标是“以用户为中心”，通过账户抽象、质押机制优化、Layer 2 支持和底层协议改进，显著降低交易成本、提升网络效率，并为未来向 Verkle 树和无状态以太坊的演进奠定基础。尽管测试网曾因代码漏洞导致延期，但其技术价值对以太坊生态的长期竞争力至关重要。
2025-04-13 00:49:58
871
原创 直播间点赞数和评论数实时数据统计
任务目标：归档3天前数据，缓解数据库压力。每天23点执行，归档t-3天及之前的数据到t-2这天。目标：消费日志并实时聚合到MySQL的live_statistics_raw表。防降逻辑：汇总时每个数据取MAX(当前值, 新值)，确保数据单调递增。任务ID：LIVE_FULL_STAT_TASK。将flink的统计数据进一步汇总到结果表。定时将Redis数据同步到本地缓存。读取分布式缓存中的实时数据。读取本地缓存中的实时数据。更新本地缓存原子 + 1。消费消息队列的pv日志。更新本地缓存并 + 1。
2025-04-11 21:51:25
910
原创 深度解析区块链共识算法
周期性标记：检查点是每个Epoch的第一个Slot的区块。例如，以太坊2.0中每个Epoch包含32个Slot（每个Slot约12秒），因此检查点每6.4分钟生成一次。空块处理：若某Epoch的第一个Slot未生成区块，则该Epoch的检查点为空，但仍作为逻辑标记存在。
2025-04-11 16:41:32
1345
原创 Spring AI之模型上下文协议（MCP）
MCP工具实用程序为Spring AI应用集成模型上下文协议（MCP）提供基础支持，实现Spring AI工具系统与MCP服务器间的无缝通信，支持同步与异步操作。Spring AI MCP（模型上下文协议）客户端启动器为Spring Boot应用程序中的MCP客户端功能提供自动配置支持，包含同步和异步客户端实现，并支持多种传输选项。Spring AI MCP（模型上下文协议）服务器启动器为Spring Boot应用程序提供MCP服务器的自动配置支持，实现与Spring Boot自动配置系统的无缝集成。
2025-04-03 03:00:31
1567
原创 Spring AI之工具调用
Spring AI通过一组灵活的抽象机制支持工具调用，允许以统一方式定义、解析和执行工具。本节概述Spring AI中工具调用的核心概念与组件。工具调用的主要操作流程定义工具：当需要向模型提供工具时，需在聊天请求中包含其定义。每个工具定义包含名称、描述及输入参数的模式（schema）。模型发起调用：当模型决定调用工具时，会返回包含工具名称和符合预定义模式的输入参数的响应。应用执行工具：应用程序负责根据工具名称识别并执行对应工具，传入提供的输入参数。处理结果：工具调用的结果由应用程序处理。
2025-04-03 01:00:09
987
原创 Spring AI之结构化输出
大型语言模型（LLM）生成结构化输出的能力对依赖可靠解析结果值的下游应用至关重要。Spring AI的结构化输出转换器可将LLM输出转换为结构化格式。会尽力将模型输出转换为结构化格式，但无法保证LLM必然返回请求的结构。此次变更的主要原因是命名调整（因原名称中的"解析（parsing）"并不准确），同时新实现与Spring框架的。结构化输出转换器在LLM调用前后均发挥关键作用，确保实现预期的输出结构。接口允许获取结构化输出，例如将输出映射到Java类或从文本型AI模型输出中提取值数组。
2025-04-02 17:56:29
655
原创 Spring AI之提示词（Prompts）
token是AI模型处理文本的核心要素，充当着将人类理解的词语转换为AI模型可处理格式的桥梁。该领域的研究常涉及分析和比较不同提示，以评估其在不同场景中的有效性。是开发者的首要任务。提示的质量和结构会显著影响 AI 输出的效果。投入时间和精力设计周密的提示，可以大幅提升 AI 的结果质量。\n分词是将文本分解为token的过程，是AI模型理解与处理语言的基础。随着 Spring AI 的发展，将引入更高层次的抽象以简化与 AI 模型的交互。，指导用户设计高效提示，优化与 AI 的交互，确保清晰性和效率。
2025-04-02 17:16:25
1072
原创 Spring AI之可观测性
Spring AI 基于 Spring 生态系统的可观测性功能，为 AI 相关操作提供洞察。当围绕顾问（Advisor）执行 call 或 stream 操作时，会记录 spring.ai.advisor 的观测数据，包括顾问耗时（含嵌套顾问时间）及相关追踪信息。表2. 高基数键（High Cardinality Keys）
2025-04-02 16:20:50
755
原创 Spring AI之检索增强生成（Retrieval Augmented Generation, RAG）
当用户提问时，QuestionAnswerAdvisor 会从向量数据库检索与问题相关的文档，并将结果附加到用户输入中，为 AI 生成回复提供上下文。Spring AI 提供了基于模块化架构的 RetrievalAugmentationAdvisor ，支持开箱即用的常见 RAG 流程。默认情况下，若未检索到相关文档，模型将拒绝回答。功能：根据文档与查询的相关性对列表重新排序，将最相关文档置于顶部，解决中间迷失问题。功能：移除不相关或冗余文档，解决中间迷失问题 和模型上下文长度限制。
2025-04-02 15:13:53
666
原创 Spring AI之向量数据库
API 概述数据插入与向量嵌入相似性搜索参数模式初始化批处理策略核心接口定义默认实现：TokenCountBatchingStrategy内部机制与扩展性自定义批处理策略VectorStore 实现示例用法数据加载到向量存储相似性搜索与上下文注入关键技术点元数据过滤器过滤字符串（Filter String）Filter.Expression 构建器从向量存储中删除文档按文档ID删除按过滤表达式删除按字符串过滤表达式删除删除操作的错误处理文档版本控制场景性能优化建议。
2025-04-02 14:41:42
581
原创 Spring AI之Chat Model API
API 概述ChatModelPrompt消息（Message）聊天选项（Chat Options）Generation可用实现聊天模型 API聊天模型API为开发者提供了将基于人工智能的聊天补全功能集成到应用程序中的能力。它利用预训练语言模型（如GPT（生成式预训练变换器）），根据自然语言输入生成类人响应。该API通常通过向AI模型发送提示或部分对话内容来工作，模型随后基于其训练数据和对自然语言模式的理解生成对话的补全或延续内容。生成的回复将返回给应用程序，供其向用户展示或进行进一步处理。
2025-04-02 13:59:43
603
原创 Spring AI之 Advisors API
核心组件Advisors API 类顾问链（Advisor Chain）核心机制顾问顺序（Advisor Order）API 概览实现顾问（Implementing an Advisor）示例日志记录顾问（Logging Advisor）重新阅读（Re2）顾问Spring AI 内置顾问聊天记忆顾问（Chat Memory Advisors）问答顾问（Question Answering Advisor）内容安全顾问（Content Safety Advisor）核心机制与适用场景流式与非流式顾问最佳实践。
2025-04-02 13:55:52
793
原创 Spring AI之Chat Client API
创建一个ChatClient使用自动配置的ChatClient.Builder以编程方式创建 ChatClientChatClient 响应返回一个ChatResponse（Returning a ChatResponse）返回一个实体类（Returning an Entity）流式响应（Streaming Responses）call() 返回值stream() 返回值使用默认值（Using Defaults）默认系统文本（Default System Text）带参数的默认系统文本其他默认配置。
2025-04-02 13:46:00
772
原创 Spring AI之AI概念
传统上，AI模型的输出以java.lang.String形式返回，即使请求JSON格式的响应也是如此。尽管输出可能是有效的JSON，但它本质上仍是一个字符串，而非结构化的数据结构。对于熟悉ChatGPT的用户，提示可能看似只是输入到对话框中的文本，但其内涵远不止于此。与SQL等结构化查询语言不同，与AI模型的交互更接近人与人的对话 ，需通过自然语言引导模型生成期望结果。通过计算两个文本向量表示之间的数值距离（如余弦相似度或欧氏距离），应用程序可判断生成这些向量的对象之间的相似性。超出限制的文本将被截断。
2025-04-02 13:35:02
877
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人