墨家巨子@俏如来-优快云博客

原创第四章.干货干货！！！Langchain4j开发智能体-搭建本地RAG知识库

本篇文章介绍了RAG的优势和必要性，通过搭建PGVector本地向量数据库，使用Langchain4j创建RAG知识库的全过程。如果文章对你有帮助请一定三连哦，你的鼓励是我最大的动力！！！

2025-04-02 09:34:23 1027

原创第三章.干货干货！！！Langchain4j开发智能体-让智能体拥有记忆的功能

什么是记忆功能？默认情况下当我们向大模型每次发起的提问都是新的，大模型无法把我们的每次对话形成记忆，也无法根据对话上下文给出人性化的答案。比如：我的第一次提问是“懂王有哪些特点”，然后大模型会给出我懂王的特点结果列表，当我再次提问“这些特点中哪个最惹人争议”的时候，它就不知道我在说什么了，因为大模型已经失去了上一次的提问记忆。所以让智能体（如AI助手、机器人、虚拟角色等）拥有记忆功能不仅能提升交互体验，还能增强其功能性、适应性和长期价值。

2025-04-02 09:33:53 763 1

原创第二章.干货干货！！！Langchain4j开发智能体-FunctionCalling的使用

本篇文章是接《第一章.干货干货！！！Langchain4j对接AI大模型-开发自己的智能体》，上篇文章介绍了 Langchain4j 和其重要性，然后通过Java程序集成Langchain4j实现大模型对接，分别对接了千问模型以及Ollama本地模型。本篇文章我们来使用Langchain4j 的高级功能 FunctionCalling。Function Calling（函数调用）是大语言模型（LLM）的关键能力，允许AI识别用户请求中的任务，并自动匹配、调用开发者预定义的函数工具（如查询天气、计算数据）。

2025-03-28 15:59:06 791

原创第一章.干货干货！！！Langchain4j对接AI大模型-开发自己的智能体

在人工智能技术迅猛发展的今天，大型语言模型(LLM)已成为推动技术创新的核心引擎。从ChatGPT到Gemini，从Claude到文心一言，这些强大的AI模型正在重塑我们与计算机交互的方式，也为开发者提供了前所未有的机遇。然而，如何将这些前沿技术真正落地到实际应用中，构建出真正智能、实用的AI代理(Agent)，仍是许多开发者面临的挑战。Java作为企业级应用开发的主流语言，在全球拥有庞大的开发者生态和丰富的应用场景。

2025-03-28 15:58:21 1370

原创 SpringAI+Ollama+DeepSeek本地大模型调用

大型语言模型（LLM）在自然语言处理领域取得了突破性进展，但其庞大的计算资源需求和高昂的调用成本，使得许多开发者望而却步。如何高效、便捷地调用大模型，并将其应用于实际场景，成为了亟待解决的问题。本文将介绍一种创新的解决方案：SpringAI + Ollama + DeepSeek，通过将三者结合，实现本地化部署和调用大模型，为开发者提供更灵活、更经济的LLM应用开发体验。SpringAI 作为Java生态中强大的AI框架，为开发者提供了便捷的API和丰富的工具集，简化了AI模型的集成和应用开发流程。

2025-03-10 09:52:43 1374

原创 LLaMA-Factory训练DeepSeek大模型+本地部署

前面我们介绍了基于硅基流动训练私有大模型《10分钟教你微调自己的私有大模型》，该平台有三个不好的点就是可选的模型有限，训练时间需要排队等待耗时长，另外还要给钱。今天我们换一个平台，使用：魔搭平台 + llamaFactory训练私有模型。平台会赠送服务器时长这样我们就可以不用花钱就可以训练自己的大模型了(学习使用)

2025-03-10 09:50:57 1779

原创 10分钟教你微调自己的私有大模型

模型微调是一种在已有预训练模型的基础上，通过使用特定任务的数据集进行进一步训练的技术。这种方法允许模型在保持其在大规模数据集上学到的通用知识的同时，适应特定任务的细微差别。提高性能：微调可以显著提高模型在特定任务上的性能。减少训练时间：相比于从头开始训练模型，微调通常需要较少的训练时间和计算资源。适应特定领域：微调可以帮助模型更好地适应特定领域的数据和任务。使用硅基流动进行模型微调确实是比较方便的，但是也有几点不足之处，一是要给钱，二是耗时长，三是可选的模型比较少。

2025-02-27 18:58:12 1733 2

原创 DeepSeek实现FunctionCalling调用API查询天气

Function Calling（函数调用）是大型语言模型（如 OpenAI 的 GPT 系列）提供的一种能力，允许模型在生成文本的过程中调用外部函数或工具，以完成更复杂的任务。通过 Function Calling，模型可以将自然语言请求转换为结构化的函数调用，从而与外部系统、API 或工具进行交互。想象你有一个智能助手（比如 GPT），它可以回答你的问题，但它本身无法直接执行某些操作，比如查询天气、发送邮件或查询数据库。

2025-02-27 18:57:23 1322 1

原创 Cherry搭载满血的DeepSeek+本地知识库

CherryStudio 是一款集多模型对话、知识库管理、AI 绘画、翻译等功能于一体的全能 AI 助手平台。CherryStudio的高度自定义的设计、强大的扩展能力和友好的用户体验，使其成为专业用户和 AI 爱好者的理想选择。无论是零基础用户还是开发者，都能在 CherryStudio 中找到适合自己的AI功能，提升工作效率和创造力。

2025-02-25 18:10:12 590

原创 DeepSeek+Coze发布大模型到Wechat公众号

本篇文章特别有意思，我将利用Coze平台，基于本地知识库快速搭建一个基于DeepSeek大模型的AI智能体，且把AI智能体发布到微信公众号上，打造一个款私人AI小助手。教程不难跟着我的步骤来你也可以成功。

2025-02-25 18:08:06 1114

原创 Dify+Ollama+DeepSeek部署本地大模型+知识库搭建

上一篇文章《Ollama+DeepSeek部署本地大模型》我们已经知道如何在本地搭建自己的大模型了，不过想要让大模型能够根据我们个人或者企业的数据情况做出精准的回答，我们还需要将自己的数据投喂给大模型才可以。本篇文章我们将会使用一个开源项目dify集成ollama+deepseek大模型，搭建自己本地知识库，让大模型能够回答出我们想要的结果。

2025-02-16 23:44:34 4140 2

原创 Ollama+WebUI+DeepSeek部署自己的本地大模型

使用AI几乎成为互联网工作者必备技能了，DeepSeek的出现把AI再次推向高潮，在本文中，我们将带领大家借助 Ollama、WebUI 和 deepseek 这三个工具，成功搭建属于自己的本地大模型环境。Ollama 作为一款轻量级的大模型运行工具，为模型在本地的运行提供了坚实的基础；WebUI 则为我们打造了直观便捷的用户交互界面，让操作更加简单易懂；而 deepseek 作为一款优秀的大模型，拥有强大的性能和出色的表现。通过将这三者结合起来，我们能够完成从模型部署到实现交互的完整流程。

2025-02-11 13:24:27 1402

原创 IDEA+DeepSeek让Java开发起飞

登录DeepSeek官网 : https://www.deepseek.com/ 进入API开放平台，第一次需要注册一个账号。接着我们获取DeepSeek的API对话接口地址，点击左边的：接口文档进入，找到对话API，把下面的地址保存下来。重新进入IDEA - Setting - 搜索CodeGPT进行配置。进去之后需要创建一个API KEY，然后把APIkey记录保存下来。下面是 code completions 的配置，也就是代码提示。下面是Chat Completions 配置，也就是对话配置。

2025-02-07 09:23:51 993

原创代码优化之道-如何让你的代码值2W块

就在今天前同事进入了一家新的企业，然后在微信上跟我吐槽说公司的代码写的太不优雅了，什么中文命名，铺天盖地的IF-ELSE,Service不写接口等…，然后就想要去优化并给他们的员工做做培训，但是不知如何下手。这个问题是普遍存在的，程序员的水平和代码风格各不一样，如果一开始负责人没有做好项目规范和代码审核，n年后代码就变成了屎山，然后又进行重构，增加了很多成本。

2024-12-11 11:06:25 901 4

原创发现一个神器-MyBatis-Flex快来尝尝鲜

公司开发新项目啦，项目是基于SAAS模式的，经过小伙伴们热烈讨论我们采用了MyBatis-Flex作为持久层框架，它和MybatisPlus是属于同类型的框架但是各有千秋吧，相比而言MyBatis-Flex的功能全是免费的，MybatisPlus的很多功能是收费的，比如：数据脱敏，字段加密，多数据源支持等,整体性能是MybatisPlus的5到10倍。今天我们就来研究一下MyBatis-Flex这个框架，下面是一张两个框架的对比图功能或特点对 entity 的基本增删改查✅✅✅分页查询✅✅。

2024-12-10 10:33:37 1625

原创十六.SpringCloudAlibaba极简入门-整合Grpc代替OpenFeign

他来了他来了，停了快2个月了终于又开始更新文章啦，这次带来的绝对是干货！！！。由于公司项目进行重构的时候考虑到，OpenFeign做为服务通信组件在高并发情况下有一定的性能瓶颈，所以将其替换为更高性能的通信组件Grpc，Grpc也是业界比较流行的服务通信组件，底层采用HTTP/2进行网络通信性能上高于基于Http/1.1的OpenFeign。我将把Grpc的整合过程整理成文字分享给大家，喜欢请三连！！！，你的鼓励是我坚持下去的动力。

2024-11-18 00:25:57 1343 2

原创五.海量数据实时分析-FlinkCDC+DorisConnector实现数据的全量增量同步

前面四篇文字都在学习Doris的理论知识，也是比较枯燥，当然Doris的理论知识还很多，我们后面慢慢学，本篇文章我们尝试使用SpringBoot来整合Doris完成基本的CRUD。由于 Doris 高度兼容 Mysql 协议，两者在 SQL 语法方面有着比较强的一致性，另外 Mysql 客户端也是 Doris 官方选择的客户端。因此，如需对 Mysql 进行数据分析，使用 Doris 的迁移成本较低。

2024-09-28 12:00:36 1352

原创四.海量数据实时分析-Doris数据导入导出

Apache Doris 提供多种数据导入方案，可以针对不同的数据源进行选择不同的数据导入方式。数据源导入方式对象存储（s3）,HDFS使用 Broker 导入数据本地文件MySQL LoadKafka订阅 Kafka 数据通过外部表同步数据通过 JDBC 导入使用 JDBC 同步数据导入 JSON 格式数据JSON 格式数据导入AutoMQ按导入方式划分通过 Broker 导入外部存储数据流式导入数据 (本地文件及内存数据)导入 Kafka 数据外部表通过 INSERT 方式导入数据S3 Load。

2024-09-08 17:51:24 1511

原创三.海量数据实时分析-FlinkCDC实现Mysql数据同步到Doris

通过上面的 route 配置，会将 app_db.orders 表的结构和数据同步到 ods_db.ods_orders 中。这样，就可以将诸如 app_db.order01、app_db.order02、app_db.order03 的表汇总到 ods_db.ods_orders 中。参考：https://nightlies.apache.org/flink/flink-cdc-docs-release-3.0/zh/docs/get-started/quickstart/mysql-to-doris/

2024-09-07 08:25:54 2004 2

原创二.海量数据实时分析-Doris数据表设计

Apache Doris 支持标准 SQL 语法，采用 MySQL 网络连接协议，高度兼容 MySQL 相关生态。因此，在数据类型支持方面，尽可能对齐 MySQL 相关数据类型。

2024-09-03 09:16:47 1111

原创一.海量数据实时分析-Doris入门和安装

停了一个月又开始写文章啦，因为公司数据量达到了几十亿，老板需要做实时数据分析，报表看板。Apache Doris 由百度大数据部研发（之前叫百度 Palo，2018 年贡献到 Apache 社区后，更名为 Doris ），在百度内部，有超过 200 个产品线在使用，部署机器超过 1000 台，单一业务最大可达到上百 TB。Apache Doris 是一个现代化的 MPP（Massively Parallel Processing，即大规模并行处理）分析型数据库产品。

2024-09-01 21:31:51 2439

原创十九.升职加薪系列-JVM优化-解决JVM性能瓶颈的JIT即时编译器

在很多年以前，做C或者C++的程序员经常说Java语言的运行速度不如C或C++，Java运行速度慢主要是因为它是解释执行的，而C或C++是编译执行的，解释执行需要通过JVM虚拟机将字节码实时翻译成机器码（边翻译边执行），才能运行在操作系统上，这个过程会比编译执行慢。但现在再说这个结论就不太对了，随着JIT即时编译技术的发展，性能差距正在逐步缩小，甚至在某些情况下，执行速度是优于C或C++的。

2024-07-11 08:49:07 599

原创十八.升职加薪系列-JVM垃圾回收器-开天辟地的ZGC

随着Java的发展，JVM的GC垃圾回收器也在跟着升级，从早起的单线程垃圾回收器Serial，到多线程的垃圾回收器Parallel Scavenge，再到并发垃圾回收器CMS,G1等。它们在某些对延迟要求比较高的系统来说都有些力不从心,比如：12346，股票，基金等业务。JVM垃圾器的STW机制(Stop The World)让程序的性能始终没法达到最优。

2024-07-11 08:48:48 982

原创十七.吊打面试官系列-JVM优化-阿里Arthas解决线上问题

在生产环境通常是不允许远程连接的，一是因为性能问题，二是因为安全性问题。而如果使用JVM监控命令的话又不是很直观，因为没有可视化界面，阿里巴巴开源了一款JVM开源神器Arthas可以帮我们方便快捷的帮助我们定位JVM的问题从而进行调优。

2024-06-19 09:10:25 1174 2

原创十六.吊打面试官系列-JVM优化-JVM性能调优实战

在Java应用的开发和运维过程中，JVM的性能调优是一项至关重要的工作。随着业务的增长和复杂度的提升，线上问题排查、内存监控、参数优化以及压力测试成为每一位开发者和运维人员必须面对的挑战。本篇文章将带您走进JVM性能调优的世界，通过系统讲解线上问题的快速定位与解决、JVM内存的实时监控与分析、关键参数的精细调优策略以及如何进行有效的压力测试，让您掌握一套完整的JVM调优方法论。JVM调优一个很大的原则就是避免频繁的Full GC，导致Full GC的情况有下面这几种。

2024-06-19 09:10:07 1329

原创十五.吊打面试官系列-JVM优化-JVM垃圾回收器详解

继上篇文章《JVM垃圾回算法详解》，我们本篇文章来讲解一下JVM垃圾回收器。垃圾标记算法是标记哪些对象是垃圾，垃圾回收算法是回收的理论算法，垃圾回收器才是真正回收垃圾的组件。不同的垃圾回收器使用了不同的垃圾回收算法。

2024-05-29 23:22:42 1444 2

原创十四.吊打面试官系列-JVM优化-JVM垃圾回算法详解

说到JVM不可避免的会聊到垃圾回收器，（Garbage Collection，简称GC）。它负责跟踪哪些对象仍然在使用，哪些对象已经不再被引用，并释放那些不再被引用的对象所占用的内存空间。这一过程涉及到对象的标记、清除、压缩等多个阶段，每个阶段都有其特定的算法和策略。随着Java技术的不断发展，JVM的垃圾回收机制也在不断地优化和完善。

2024-05-29 23:22:07 998 1

原创六.逼格拉满-Prometheus+Grafana微服务监控告警

微服务架构是一个分布式系统，由多个独立的服务组成，每个服务可能运行在不同的容器、虚拟机或物理机上，那么在生产环境中我们需要随时监控服务的状态，以应对各种突发情况，比如：内存爆满，CPU标高等等。Prometheus作为一种开源的监控和告警系统，天生就是为分布式系统设计的。它能够轻松地收集、存储和查询各个微服务的监控数据，为微服务架构提供全面的监控能力。Prometheus（普罗米修斯）是一个最初在SoundCloud上构建的监控系统。自2012年成为社区开源项目，拥有非常活跃的开发人员和用户社区。

2024-05-23 17:11:59 4188 7

client-adapter.es6x-1.1.5-jar-with-dependencies.jar

springcloudalibaba-seata-nacos-sentinel.zip

空空如也