yuluo的博客

Spring AI 实现了模块化 RAG 架构，架构的灵感来自于论文“”中详述的模块化概念。

Spring AI 通过集成 micrometer 来完成 Model 中观测能力。MicroMeter 本身支持对 otel，zipkin 等多种形式的数据格式的导出。此文中通过 zipkin 和 grafana 的方式演示 Spring AI 的可观测功能。Github 代码地址：https://github.com/deigmata-paideias/deigmata-paideias/tree/main/ai/observations。

MCP（Model Context Protocol：模型上下文协议） 是一种开放协议，制定了应用程序向 LLM 提供上下文的标准。可以将 MCP 视为 AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。在本文中，介绍了什么是 MCP 以及 MCP 的作用和解决的问题。编写了一个简单的例子来体验 MCP 的能力。

顾名思义，大模型的推理过程。

之前的文章中已经大概介绍了 RAG 是什么，并且介绍到了当前 LLMs 的一些缺点，也是 RAG 技术的背景来源。在这篇文章中，将深入挖掘一下 RAG 的技术原理和当前现状。