仔哥学编程

上一篇文章围绕 Spring AI 的方法调用（Tool Calling/Function Calling）功能展开了深入探讨。首先介绍了方法调用的核心作用 —— 允许大模型调用外部方法或接口，涵盖信息检索（如获取天气、查询数据库）和执行操作（如发送邮件、创建记录）等场景，并明确其需依赖大模型自身支持这一前提，同时提及 Spring 官网提供的支持函数调用的大模型列表作为参考。通过这些内容，为开发者利用 Spring AI 实现大模型与外部工具的联动提供了清晰的实践路径和注意事项。接下来，我们将继续探索 S

本文介绍了Spring AI的方法调用（Tool Calling/Function Calling）功能及其应用场景。方法调用允许大模型调用外部方法或接口，主要分为信息检索（如查询天气、新闻）和执行操作（如发送邮件、创建数据库记录）两类。使用该功能需大模型本身支持，文章提供了Spring官网中支持函数调用的模型对照表。该方法可增强大模型能力，实现检索增强生成（RAG）和自动化任务处理。

摘要 本文介绍了Spring AI中的Chat Memory功能，用于解决大模型无状态的问题。通过代码演示对比了使用和不使用Chat Memory的差异：未使用Chat Memory时，大模型无法记住上下文信息；而使用基于内存的Chat Memory后，大模型能够正确回忆之前对话内容。文章还通过拦截请求参数展示了Chat Memory的实现原理 - 实际上是将历史对话记录作为新请求的上下文一起发送给模型。这种机制使得大模型能够获得完整的对话历史，从而实现"记忆"功能。

在上一篇文章中我们学习了SpringAI为我们提供的提示词模板，一个好的提示词可以让大模型更加清晰的回答我们的问题，今天我们继续学习，学习SpringAI的格式化输出。Structured Output Converter直接翻译过来是 “结构化输出转化器”，顾名思义就是用来辅助大模型结构化输出的。StructuredOutputConverter是SpringAI为我们提供的一个接口它允许我们从大模型中获取结构化的输出，例如将大模型的返回映射成一个Map、一个Java对象或者是一个List。

在上一篇文章中，我们学习了SpringAI种的Advisor组件，这个是一个类似AOP的，用于增强大模型调用的组件。今天我们继续学习新的组件提示词：Prompts二、Prompts提示词是我们和大模型交互的入口，我们通过提示词和大模型进行沟通。简单的来说提示词就是告诉大模型我们需要做什么。通过提示词可以非常直观地影响大模型的输出。举例，我们想让大模型给我们生成一篇美食推荐。首先我们直接输入“帮我生成一篇介绍美食的文章”，大模型的输出如下之后我们优化一下提示词：使用小红书风格返回。

本文介绍了Spring AI中的Advisors组件，它类似于AOP中的环绕通知，可以对AI交互进行拦截和增强。Advisors分为CallAroundAdvisor和StreamAroundAdvisor两类，支持链式调用。文章通过代码示例演示了单个和多个Advisor的实现，展示了请求前后的日志记录功能。Advisors适用于日志追踪、聊天记忆（ChatMemory）和RAG（检索增强生成）等场景。后续文章将深入探讨如何利用Advisor实现聊天记忆和RAG功能。

在上一篇文章中，我们初步认识了 AI 领域的核心基础概念，如大语言模型（LLM）的参数量特征、提示词（Prompt）对交互效果的关键作用、文本处理单元 Token 的独特定义，以及通过向量转换实现语义理解的 Embedding 技术。这些基础认知为我们搭建了踏入 AI 世界的阶梯。今天，我们将沿着 Java 与 AI 技术融合的路径继续深入。

本文介绍了如何通过Java语言与AI技术结合，特别是如何使用Spring Boot框架集成DeepSeek的AI模型。文章首先解释了AI领域的一些基础概念，如LLM（大语言模型）、Prompt（提示词）、Token（文本处理单元）和Embedding（向量化）。接着，详细说明了如何申请DeepSeek的API Key，并通过Curl或Postman调用API。最后，文章展示了如何在Spring Boot项目中集成DeepSeek模型，包括配置文件的编写和示例代码的实现。通过这些步骤，Java开发者可以轻松地