- 博客(81)
- 资源 (18)
- 收藏
- 关注
RSS订阅原创 别只顾着埋头拉车，研发人的“看路指南”--关于研发目标、评价与结果的系统性思考方法
看清约束，用好资源，盯着评价干活，奔着价值创新。咱们做研发的，不仅要做代码的搬运工，更要做业务的解题人。当我们把个人的成长挂钩到公司的业务价值上，把“怎么干”升级到“干得更好”时，所谓的职场焦虑自然也就消散了。
2026-01-09 08:55:42
671
原创 Langgraph-Pregel 执行引擎源码分析
Pregel 是 LangGraph 的核心执行引擎，实现了基于 Pregel 算法（Bulk Synchronous Parallel 模型）的图执行机制。本文档深入分析 Pregel 的执行循环、三个阶段（Plan、Execution、Update）以及 super-step 的实现原理。Super-step 模型：将执行分为多个同步步骤，每个步骤包含 Plan、Execution、Update 三个阶段通道隔离：通道更新延迟可见，确保执行的一致性和可预测性并发执行。
2026-01-09 08:32:02
819
原创 LangGraph-StateGraph 和 Graph API 源码分析
摘要： StateGraph是LangGraph的核心API，用于构建有状态工作流图。本文分析了其实现原理，包括： 核心类关系：StateGraph（构建器）和CompiledStateGraph（继承自Pregel的可执行图） 关键流程：状态模式到通道的映射、节点到PregelNode的转换 实现特点： 支持TypedDict和Pydantic两种状态模式 自动选择通道类型（LastValue或BinaryOperatorAggregate） 通过映射函数处理节点输入输出 边实现基于通道写入机制 编译过程
2026-01-08 08:38:24
722
原创 LangGraph 源码分析
摘要： LangGraph是一个用于构建长期运行、有状态智能体的低级编排框架，采用Monorepo架构，核心库包括langgraph（框架功能）、checkpoint（检查点）和prebuilt（预构建组件）。其优势在于低级别控制、持久化执行和人机交互支持，但学习曲线较陡。应用场景涵盖多轮对话、复杂工作流等。学习路径分为三级：入门（StateGraph API）、进阶（Pregel引擎/Channels系统）和高级（自定义扩展）。开发者可通过逐步深入理解其架构与实现，构建高效的智能体系统。
2026-01-07 08:28:44
868
原创 Langchain4j-集成模式分析
摘要 AI代码生成工具在提升开发效率的同时，也带来了代码质量参差不齐、技术债务积累等新挑战。本文基于DevOps和DORA模型等工程管理理念，提出了一套AI开发模式下的质量保障方案。文章揭示了AI代码存在的理解盲区、死代码堆积、质量不稳定等实际问题，并提出了质量内建、左移测试、持续反馈等系统性解决方法。通过建立质量门禁机制、完善代码审查流程、优化测试策略等具体措施，帮助团队在享受AI效率红利的同时，确保代码质量不滑坡。文章还提供了针对管理层和开发者的不同建议，强调质量成本模型的重要性，为AI时代的代码质量管
2026-01-06 08:43:03
792
原创 Langchain4j-文档处理和 RAG 流程分析
本文分析了LangChain4j中的RAG(检索增强生成)实现流程。RAG分为离线文档处理和在线查询两阶段：文档处理包括加载、解析、分割、生成嵌入和存储；查询流程包含检索相关片段并增强提示后发送给LLM。文章详细介绍了各环节实现细节，包括多种文档加载源、解析器、分割策略，以及核心的检索增强流程组件(查询转换、路由、内容检索与聚合)。关键点在于文档分割大小、嵌入模型选择、检索策略优化和内容注入格式设计。LangChain4j提供了灵活可定制的RAG实现，通过合理配置可获得更好的检索增强效果。
2026-01-04 20:14:53
1338
原创 【实战】企业级物联网架构-元数据与物模型
摘要： 元数据和物模型是企业级应用架构实现高内聚、低耦合的两大核心。元数据通过将业务逻辑从代码中抽离，实现业务与代码的解耦，支持动态配置；物模型则通过标准化抽象物理设备，实现应用与硬件的解耦，确保互联互通。两者共同构建数字孪生基础，分别应对业务灵活性和设备标准化需求，典型应用于SaaS、工业物联网等场景。
2026-01-03 15:54:18
1071
原创 Langchain4j-核心抽象和 AI Services 实现分析
请关注公众号【碳硅化合物AI】LangChain4j 采用接口驱动设计，所有功能通过接口定义，实现由各模块提供。核心接口在 ：、、 等。 模块提供 ，用动态代理实现接口即服务，无需写实现代码。这种设计的实际好处：开发时可以用 Mock 实现快速测试，生产环境切换真实实现，代码不变。接口定义清晰，职责分离明确。ChatModel：所有 LLM 提供商的统一接口，主要方法 返回 。实现类包括 、 等。EmbeddingStore：向量存储接口，核心方法 和 。实现类包括 、、 等。ChatMemory：聊天
2026-01-02 11:12:07
828
原创 【实战】SAAS多租户平台资源模型与权限体系设计
摘要： 本文提出了一套基于元数据驱动的SAAS多租户资源模型与权限体系设计方案。通过分离资源元数据（平台模板）与租户实例（个性化配置），实现了灵活的资源管理。设计遵循四大原则：元数据驱动、租户隔离、个性化配置和统一权限关联。核心架构分为元数据层、租户资源层和RBAC权限层，支持菜单、按钮等UI资源的多态权限控制，API资源则直接关联元数据。方案采用租户实例化、个性化标记等机制，平衡平台升级与租户定制的冲突，并通过运行时权限校验确保安全性，为SAAS平台提供可扩展的多租户资源管理解决方案。（149字）
2026-01-02 11:06:53
197
原创 【实战】 SAAS租户元数据模型设计
本文档定义SAAS多租户平台的元数据模型，包括应用、模块、菜单、按钮、API、实体、表单、字段、视图等元数据对象，以及它们与租户的关联关系。实体与流程引擎多对多关联，一个实体可以应用多个流程，根据实体属性进行配置匹配。租户与应用多对多关联，一个租户可以包含多个应用，一个应用可以应用到多个租户。租户与实体多对多关联，一个租户可以包含多个实体，一个实体可以应用到多个租户。实体是业务对象的基础，可以关联到多个租户，一个租户可以包含多个实体。表单属于实体，一个实体包含多个表单（如新增表单、编辑表单等）。
2025-12-29 23:22:32
962
原创 【实战】 SAAS租户表结构设计
本文档详细介绍了SAAS多租户平台的核心表结构设计，包含认证用户、租户、组织、用户、角色、权限等关键表。认证用户表作为OAuth2认证基础，租户用户表通过auth_user_id实现一人多租映射。所有表均包含租户隔离字段、状态管理、版本控制等标准字段，并建立了必要的索引和唯一约束。该设计支持多租户隔离、用户角色权限管理、组织层级等SAAS平台核心功能。
2025-12-29 23:21:43
722
原创 【实战】SAAS多租户详细设计
本文档详细阐述了SAAS多租户架构设计方案，重点解决一套系统服务多个客户时的数据隔离、个性化配置和运维效率问题。采用逻辑租户隔离方案，通过tenant_id字段实现数据隔离，结合RBAC权限体系、元数据驱动和OAuth2+JWT认证机制。相比按库隔离方案，该设计在成本控制、运维效率和系统扩展性之间取得平衡，适合租户数量多、数据量中等的业务场景。关键实现包括MyBatis查询拦截器、AOP写入切面和ThreadLocal上下文管理，严格确保租户数据安全隔离。
2025-12-29 23:20:38
972
原创 LangChain4j 项目架构分析
LangChain4j是一个Java生态的LLM集成框架，采用模块化设计统一不同LLM提供商和向量数据库的接口。核心模块包括定义接口的langchain4j-core和提供实现的langchain4j主模块，以及50+集成模块(LLM、向量存储、文档处理等)。项目通过BOM管理版本，支持声明式编程的AI Services特性，简化多轮对话和RAG流程实现。优势在于接口统一、模块化设计和丰富集成，缺点是生态较新、文档有限。建议开发阶段使用本地模型快速迭代，生产环境再切换正式服务商。
2025-12-28 21:02:07
1009
原创 Next AI Draw.io 核心实现深度分析
Next AI Draw.io 核心实现分析 本文深入分析了Next AI Draw.io项目的8个核心模块实现。AI工具调用系统通过入口类route.ts处理请求，定义4种专用工具（图表显示/编辑/追加/图标库获取）实现灵活交互。Draw.io XML处理采用流式验证机制，通过validateAndFixXml函数确保XML完整性，并自动修复常见错误。多AI提供商集成模式通过ai-providers.ts抽象不同服务商接口，支持OpenAI、Anthropic等主流AI服务的无缝切换。系统整体采用模块化设
2025-12-28 14:14:36
1293
原创 LiteFlow 框架分析系列（五）：LiteFlow 与竞品深度对比
规则引擎领域百花齐放，有老牌劲旅 Drools，有轻量级的 EasyRules，还有专注于表达式计算的 Aviator 等。LiteFlow 到底处于什么位置？有什么独特优势？本篇将从多个维度客观分析 LiteFlow 与其他主流规则/流程引擎的异同。Drools: 业界最知名的规则引擎，JBoss 出品。功能极其强大，支持复杂的推理（Rete 算法）。但它太重了，学习曲线陡峭，引入成本高。EasyRules: 一款轻量级规则引擎，基于 POJO，通过注解定义规则。
2025-12-27 14:03:36
1033
原创 AI时代代码质量提升实战指南：别让效率成为质量的敌人
摘要 AI代码生成工具在提升开发效率的同时，也带来了代码质量参差不齐、技术债务积累等新挑战。本文基于DevOps和DORA模型等工程管理理念，提出了一套AI开发模式下的质量保障方案。文章揭示了AI代码存在的理解盲区、死代码堆积、质量不稳定等实际问题，并提出了质量内建、左移测试、持续反馈等系统性解决方法。通过建立质量门禁机制、完善代码审查流程、优化测试策略等具体措施，帮助团队在享受AI效率红利的同时，确保代码质量不滑坡。文章还提供了针对管理层和开发者的不同建议，强调质量成本模型的重要性，为AI时代的代码质量管
2025-12-26 08:42:34
985
原创 Langchain发布智能体工程现状
LiteFlow框架与Spring Boot的深度集成实现了"开箱即用"体验。通过自动配置机制，LiteFlow注册了三个核心组件：FlowExecutor提供流程执行能力，ComponentScanner通过BeanPostProcessor接口扫描带有@LiteflowComponent注解的Spring Bean，LiteflowExecutorInit则利用SmartInitializingSingleton接口在所有单例Bean就绪后触发规则解析和流程构建。这种设计使开发者只需
2025-12-26 08:41:11
386
原创 LiteFlow 框架分析系列（四）：Spring Boot 集成原理
LiteFlow框架与Spring Boot的深度集成实现了"开箱即用"体验。通过自动配置机制，LiteFlow注册了三个核心组件：FlowExecutor提供流程执行能力，ComponentScanner通过BeanPostProcessor接口扫描带有@LiteflowComponent注解的Spring Bean，LiteflowExecutorInit则利用SmartInitializingSingleton接口在所有单例Bean就绪后触发规则解析和流程构建。这种设计使开发者只需
2025-12-26 08:39:21
602
原创 LiteFlow 框架分析系列（三）：插件扩展机制解密
LiteFlow框架通过微内核+插件架构实现强大扩展性，核心机制包括： 脚本插件机制：基于ScriptExecutor接口和ServiceLoader，支持Groovy等脚本语言动态执行 规则源插件机制：通过FlowParser抽象和SPI机制，适配Nacos等配置中心 轻量解耦设计：核心包仅包含接口，具体实现通过Maven依赖按需引入 该架构既保持核心轻量，又支持无限扩展，体现了"微内核+插件"模式的优越性。后续将分析其与Spring Boot的集成机制。
2025-12-25 12:52:02
569
原创 LiteFlow 框架分析系列（二）：Core 核心模块深度解析
负责流程调度和资源申请。FlowBus负责管理元数据（Chain/Node），提供热刷新能力。DataBus通过池化技术高效管理数据上下文（Slot）。封装了业务逻辑和生命周期。这一套组合拳打下来，既保证了扩展性（组件化），又保证了高性能（池化、轻量级传递）。
2025-12-24 08:52:56
1098
原创 LiteFlow 框架分析系列（一）：工作原理与快速入门
本篇作为 LiteFlow 框架分析系列的第一篇，主要带大家宏观了解 LiteFlow 是什么，它的核心设计理念是什么，以及它是如何通过一套简单的 DSL（领域特定语言）规则来驱动复杂的业务逻辑的。我们将通过一个简单的示例，结合 PlantUML 时序图，展示 LiteFlow 的运行机制。简单来说，LiteFlow 就是一个编排式的规则引擎。想象一下，你的代码里是不是充满了各种 ，或者一堆臃肿的 Service 调用？业务流程复杂的时候，改一个逻辑可能要动好几个文件，牵一发而动全身。LiteFlow 的出
2025-12-23 08:32:05
873
原创 DolphinScheduler 工作原理与使用指南
DolphinScheduler 是一个分布式易扩展的可视化 DAG 工作流任务调度系统。本文档从技术专家的视角，深入浅出地解析 DolphinScheduler 的核心工作原理，包括系统架构、关键组件、工作流程，并提供实际使用示例。通过阅读本文档，你将全面理解 DolphinScheduler 如何实现分布式任务调度，以及如何在实际项目中应用它。# 连接 DolphinScheduler# 创建项目project = ds.create_project("test_project", "测试项目")
2025-12-22 08:46:04
1093
原创 AgentScope Java 核心架构深度解析
AgentScope Java 是一个设计精良的智能体框架，它在易用性和功能完整性之间找到了很好的平衡。ReAct 循环：通过 Pipeline 模式实现了清晰的推理-行动循环，支持流式处理和中断工具系统：注解驱动的工具注册、工具组管理、MCP 协议支持，让扩展变得简单记忆管理：分离的短期和长期记忆，支持多种存储后端和持久化多智能体协作：MsgHub 的自动广播机制大大简化了多智能体应用的开发生产就绪：安全中断、Hook 系统、响应式架构、状态管理，这些特性让框架能够应对企业级需求单一职责。
2025-12-22 08:44:05
1385
原创 AgentScope深入分析-设计模式与架构决策分分析
AgentScope设计模式与架构分析摘要 AgentScope框架通过精心选择的设计模式和架构决策实现了灵活性和可扩展性。核心设计模式包括：模板方法模式（定义算法骨架）、策略模式（动态切换模型）、观察者模式（消息广播）、元类模式（自动包装钩子）和工厂模式（对象创建）。关键架构决策涵盖：状态与初始化分离（支持持久化）、消息统一接口（简化通信）、模型无关设计（适配多种模型）和异步优先（提升性能）。这些设计使框架具有高度模块化、易扩展和易维护的特点，同时保持清晰的API边界和一致的开发体验。
2025-12-21 20:33:08
1035
原创 AgentScope深入分析-扩展机制
AgentScope 的强大之处在于它的可扩展性。你可以添加新的模型、新的工具、新的智能体，甚至新的记忆系统。本文将深入分析框架的扩展机制，包括如何添加新模型、如何创建自定义工具、如何扩展智能体，以及扩展的最佳实践。通过阅读本文，你会理解框架的扩展点在哪里，如何正确实现扩展，以及如何避免常见的陷阱。无论你是想要集成新的模型提供商，还是想要创建领域特定的智能体，这篇文章都会为你提供清晰的指导。方式一：继承 AgentBase"""实现自定义的回复逻辑"""# 你的自定义逻辑。
2025-12-20 21:51:58
1089
原创 AgentScope深入学习-Pipeline与消息
多智能体系统的核心是协调。AgentScope 通过 Pipeline 和消息系统实现了优雅的多智能体编排。本文将深入分析 MsgHub、Pipeline 模式以及消息系统的设计。你会发现，消息（Msg）不仅是数据载体，更是整个框架的统一接口；MsgHub 通过订阅机制实现了自动消息广播；Pipeline 提供了多种编排模式，让多智能体协作变得简单而强大。通过阅读本文，你会理解多智能体如何通过消息进行通信，如何通过 Pipeline 进行编排，以及这些机制背后的设计考量。消息系统。
2025-12-20 21:51:01
735
原创 AgentScope深入分析-LLM&MCP
摘要：AgentScope框架通过模型、工具和MCP协议构建智能体能力系统。模型系统采用ChatModelBase接口实现模型无关设计，支持不同模型提供商的无缝切换；工具系统由Toolkit统一管理，支持同步/异步工具调用和流式处理；MCP协议集成外部服务扩展智能体能力边界。三个系统均采用模块化设计，支持统一接口调用、错误处理和分组管理，使智能体具备灵活的外部交互能力。关键技术包括异步流式处理、无状态客户端和工具执行机制，为多智能体协作奠定基础。
2025-12-19 08:41:12
619
原创 AgentScope深入分析-RAG和记忆
摘要： AgentScope 提供了一套完整的智能体记忆与知识管理系统，包含短期记忆（Memory）、长期记忆（RAG）和状态管理三大核心模块。短期记忆直接存储对话历史，RAG 则通过向量化检索从知识库获取专业信息。系统采用分层设计：MemoryBase 定义基础接口，InMemoryMemory 实现内存存储；RAG 通过 EmbeddingModel 向量化文档，在向量数据库中进行相似度检索。状态管理采用嵌套机制，自动追踪子模块状态，支持灵活序列化。这种设计使智能体能同时处理即时对话和专业知识查询，兼顾
2025-12-18 08:40:56
817
原创 AgentScope深入分析-ReActAgent
ReActAgent 是 AgentScope 框架中最核心的智能体实现，它完美诠释了"推理-行动"（Reasoning-Acting）循环的精髓。本文将深入分析 ReActAgent 的类继承关系、核心执行流程，以及状态管理、钩子机制、实时介入等关键技术点。通过阅读本文，你会理解智能体如何与模型交互、如何执行工具、如何处理中断，以及这些机制背后的设计考量。模块化：通过组合不同的组件（模型、格式化器、工具集、记忆）来构建智能体透明性：所有关键流程都对开发者可见，可以精确控制可扩展性。
2025-12-18 08:39:29
669
原创 AgentScope深入学习-总体认识
作为多智能体框架的典型代表，AgentScope 以其"透明、模块化、高度可定制"的设计理念吸引了众多开发者。本文将带你从框架入口开始，深入理解 AgentScope 的整体架构、模块划分和核心设计理念。我们会从这个入口函数出发，逐步揭示框架的初始化流程、模块组织方式，以及"乐高式"组件设计的精髓。无论你是想要深入源码学习，还是计划基于 AgentScope 进行二次开发，这篇文章都会为你提供一个清晰的路线图。
2025-12-17 08:40:13
976
原创 Dubbo学习（七）：集成SpringBoot
Dubbo 的 Spring Boot Integration 层是一个完美的“适配器模式”实践。它没有修改 Dubbo 核心（RPC, Cluster, Registry），而是通过实现 Spring 的各种扩展接口，把 Dubbo 的生命周期无缝融入了 Spring 容器。对于开发者来说，这感觉就像是在用 Spring 原生的功能一样自然。至此，我们的 Dubbo 源码分析系列通过 7 篇文章，从宏观架构到微观组件，从核心原理到生态集成，完整地梳理了 Apache Dubbo 的技术脉络。
2025-12-16 08:33:40
294
原创 Dubbo学习（六）深入 Cluster
Cluster 层是 Dubbo 作为一个分布式框架最“智能”的部分。它通过Directory感知世界，通过Router规划路径，通过选择目标，通过处理意外。这一套组合拳下来，保证了微服务在面对网络抖动、机器故障时的高可用性。下一篇，我们将进入 Dubbo 的扩展心脏 ——Plugin 机制，看看它是如何通过 SPI 实现“为所欲为”的扩展能力的。
2025-12-16 08:33:03
166
原创 大厂生存启示录：从“螺丝钉”到“金牌个人”的 9 次关键跃迁
大厂生存启示录：从“螺丝钉”到“金牌个人”的成长路径 文章通过主人公"小新"的职场经历，揭示了大厂员工从迷茫新人成长为技术专家的9个关键跃迁点：1）主动沟通消除信息差；2）运用SMART原则清晰目标；3）主动承担"脏活"创造价值；4）深耕领域打造个人名片；5）扩展跨团队影响力；6）把握危机时刻展现担当；7）调整"螺丝钉"心态；8）主动寻找第二成长曲线；9）坚持长期主义把握机遇。这些实战经验表明，职场成功不仅需要技术能力，更需要战略思维和主动意识，通
2025-12-14 10:49:48
662
原创 Dubbo学习(五)：深入 Plugin
摘要：Dubbo框架的核心在于其灵活的SPI扩展机制，通过ExtensionLoader实现微内核架构。相比JDK SPI，Dubbo SPI支持按需加载、依赖注入和自动包装，解决了全量加载和功能单一的问题。关键特性包括动态生成的@Adaptive代理类，根据URL参数选择实现；@Activate注解实现条件激活扩展；以及IOC/AOP支持。这种机制使Dubbo成为高度可定制的RPC框架，所有功能均可通过插件扩展，为开发者提供了强大的定制能力。
2025-12-14 10:47:42
427
原创 Dubbo学习（四）：深入 Registry & Config
微服务注册与配置管理摘要 微服务体系中的Registry（注册中心）和Config Center（配置中心）是两大核心组件。注册中心负责动态记录服务实例地址，采用FailbackRegistry机制实现容错，包括内存缓存和失败重试功能。Config Center则集中管理全局配置和治理规则，支持动态调整参数。RegistryDirectory作为关键桥梁，将注册中心的URL转换为可调用的Invoker对象，并支持多注册中心场景。两者协同工作，确保微服务架构的灵活性和可靠性，其中注册中心维护服务"通
2025-12-14 10:47:10
538
原创 Dubbo学习（三）：深入 Remoting
如果说 RPC 是 Dubbo 的大脑，那么 Remoting 就是 Dubbo 的四肢。它负责把 RPC 层生成的调用请求（Invocation）变成二进制流（Byte Stream），并通过网络搬运到地球的另一端。本篇将带你钻进下水道……啊不，钻进底层，看看 Netty、Mina 是如何被封装成统一的，以及那些至关重要的 IO 线程和业务线程是如何协作的。
2025-12-12 21:16:24
537
原创 Dubbo学习（二）：深入 RPC
本篇将深入 Dubbo 的核心地带 —— RPC 层。我们将揭开一次方法调用是如何被“打包”成网络请求，又是如何在另一端被“还原”并执行的。本文涵盖Invoker的前世今生、的魔法、Dubbo与Triple协议的博弈，以及 Metadata 和序列化的幕后故事。RPC 层是 Dubbo 的骨架。把方法调用转化为Invoker调用，Protocol决定了Invoker如何通过网络传输，负责数据的形态转换。理解了这三者，你就理解了 Dubbo 通信的一半。下一篇，我们将深入Remoting 层。
2025-12-12 21:15:22
769
原创 LightRAG 知识图谱实现关键技术总结（精简版）
LightRAG 的知识图谱实现通过三层架构、三个阶段的设计，结合LLM 驱动提取、两阶段合并、Map-Reduce 摘要、多层存储等关键技术，构建了一个功能强大、性能优秀、易于扩展的知识图谱系统。这些技术相互配合，不仅实现了从文本到知识图谱的自动化构建，还通过 Local 和 Global 两种查询模式，显著提升了 RAG 系统的检索质量和准确性。理解这些关键技术，有助于更好地使用和定制 LightRAG，优化知识图谱的质量和性能。
2025-12-11 22:54:23
913
原创 【图文】Spring Cloud Gateway 架构总结
本文总结了Spring Cloud Gateway的架构特点，对比分析了WebFlux和WebMVC两种实现模式。作为微服务API网关，它提供动态路由、过滤器链、服务发现等核心功能。WebFlux采用响应式编程和非阻塞I/O，适合高并发场景，吞吐量可达数万QPS；WebMVC基于传统Servlet API，易于开发但性能受限。两种模式在编程模型、线程管理和性能表现上差异显著，选择需考虑具体场景需求。
2025-12-10 21:38:26
802
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人