洛阳泰山的博客

MaxKB4J是一款基于Java开发的RAG知识库问答系统，整合了MaxKB和FastGPT的优势，提供开箱即用的智能问答解决方案。系统支持文档上传/自动爬取、文本向量化和检索增强生成，减少大模型幻觉。具备模型中立特性，兼容多种本地及云端大模型，并内置工作流引擎实现复杂业务编排。技术栈采用Java17/SpringBoot3、Vue.js、PostgreSQL等，支持MCP协议实现代码上下文感知。适用于智能客服、企业知识库等场景，提供简单部署方式（java -jar启动）和可视化UI界面。项目已开源，地址：

Spring AI Alibaba Graph 即将发布正式版本，为开发者提供灵活的工作流和多智能体开发能力。本文通过三个示例展示其核心功能：1）基于工作流编排的客户评价处理系统，实现自动分类和解决方案；2）基于ReAct Agent的天气预报查询系统，通过Agent-Tool循环处理用户请求；3）基于Supervisor多智能体的OpenManus实现，相比原版本减少80%代码量。该系统包含Planning、Supervisor和Executor三个核心Agent协作完成任务，大幅简化了复杂智能体系统的开

摘要：《构建高效代理》研究报告提出了利用大语言模型(LLM)构建智能系统的五种核心模式。工作流模式(链式/并行化/路由)适合确定性任务，提供可预测性；代理模式(协调者-执行者/评估者-优化者)则适用于需要动态决策的场景。Spring AI实现表明，简单架构往往比复杂框架更有效，开发者应根据任务特性选择合适模式——工作流保证可靠性，代理提供灵活性。该研究为企业级AI应用提供了兼顾效率与可控性的架构指南。

本文介绍了模型上下文协议(MCP)及其在Spring AI中的应用。MCP是Anthropic公司推出的标准化AI工具对接协议，通过搭建AI与各类工具间的桥梁，简化开发流程。文章首先演示了如何在Claude Desktop中集成GitHub MCP服务，随后详细解析了MCP架构，包括客户端(如Claude、Spring AI应用)和服务端(连接数据源)的协作机制。重点讲解了Spring AI MCP的两种服务实现方式：基于stdio的轻量级本地服务和基于SSE的远程服务，并提供了天气服务示例代码，展示如何通

文章摘要： Tool工具系统通过API集成扩展了AI模型的功能，主要用于信息检索和执行特定操作（如发送邮件、触发工作流等）。其核心流程包括：定义工具参数→模型调用工具→应用程序执行→结果反馈→生成最终响应。系统采用注解式开发，通过@Tool标注方法定义工具属性，ToolDefinition接口规范工具名称、描述和输入模式。实践代码基于Spring-AI项目最新源码，演示了工具调用的完整链路，包括DefaultChatClient的多工具注册方式和参数校验机制。

摘要：Spring AI Alibaba推出OpenManus多智能体框架，支持Java开发者构建AI应用。该框架通过Planning Agent分解任务，多个Manus Agent协作执行，最终由Summary Agent汇总，实现复杂任务处理。演示案例包括股价查询、旅行规划、文档翻译等功能。当前版本存在流程编排复杂、工具覆盖有限等问题，未来计划推出强化版OpenManus和可视化评估平台，代码量预计减少70%以上，并接入更成熟的MCP工具提升性能。 （149字）

本文介绍了如何使用 Spring AI Alibaba 构建大模型联网搜索应用，结合模块化 RAG（Retrieval-Augmented Generation）架构和信息检索服务（IQS）来增强大模型的能力。Spring AI 的模块化 RAG 架构分为四个主要步骤：Pre-Retrieval、Retrieval、Post-Retrieval 和生成。Pre-Retrieval 阶段通过查询增强、改写和扩展来优化用户输入；Retrieval 阶段从多种数据源中检索相关文档；Post-Retrieval 阶

本文介绍了如何搭建一个基于RAG（Retrieval-Augmented Generation）架构的应用。核心组件包括Spring AI、Ollama、Spring AI Alibaba和Elasticsearch，分别用于AI开发、本地大模型运行、大模型应用构建和向量数据存储。模型选型包括用于文本向量化的nomic-embed-text和生成答案的deepseek-r1:8b。环境准备部分详细说明了如何通过Docker Compose启动Ollama和Elasticsearch服务，并下载所需模型。项目

在AI智能体开发中，RAG（Retrieval-Augmented Generation）和Tool Calling是两种关键模式。RAG通过结合检索技术和生成模型，使智能体能够实时从外部数据源获取信息，增强其知识深度和推理能力，适用于复杂任务。Tool Calling则允许智能体调用外部工具，如天气预报、地图导航等，扩展其应用范围，提升任务执行效率。目前，开源社区已集成超过20种RAG数据源和20多种工具调用接口，涵盖PDF文件、语雀、飞书、云OSS、网页爬虫等数据源，以及天气预报、地图导航、钉钉、金融数

今年春节期间，开源大模型领域迎来了一系列重要更新，DeepSeek和Qwen等“国货之光”发布了多个新版本，性能对标OpenAI的收费服务。DeepSeek R1在数学、代码和自然语言推理任务上表现出色，Qwen2.5系列则在长上下文任务和多模态理解上超越GPT-4o。开源大模型不再仅仅是追随者，而是开始主导AI发展方向。本文详细介绍了如何在本地部署DeepSeek模型，并通过Spring AI Alibaba开发应用，调用大模型能力。本地部署的优势在于免除算力和Token调用费用，同时确保敏感数据不离开本

模型上下文协议（MCP）是一个开放协议，旨在规范应用程序如何向大型语言模型（LLM）提供上下文，并统一集成方式。Spring AI MCP 为 MCP 提供了 Java 和 Spring 框架的集成，支持同步和异步通信模式，使 Spring AI 应用程序能够通过标准化接口与不同数据源和工具交互。通过一个示例，展示了如何使用 MCP 将 Spring AI 与本地文件系统集成，构建智能体应用。示例中，Spring AI 通过 McpFunctionCallback 将函数调用委托给 MCP，实现与本地文件系

Spring AI Alibaba 是一个专为 Spring 和 Java 开发者设计的智能体开发框架，旨在简化生成式 AI 应用的开发。随着生成式 AI 和大模型的快速发展，开发者需要更便捷的工具来接入 AI 能力。Spring AI Alibaba 基于 Spring AI 框架，并与阿里云通义系列大模型深度集成，提供了从模型接入到应用部署的全套解决方案。该框架抽象了 AI 应用的通用开发范式，如对话模型接入、提示词模板、函数调用等，并支持多模态输入输出。此外，Spring AI Alibaba 还提供

本文详细介绍了在Windows服务器上部署MongoDB数据库的过程，覆盖了从下载、安装到配置用户密码访问的完整步骤。首先，用户需从MongoDB官网下载适合的Windows版本。安装过程中，建议选择自定义安装以便指定安装路径，并配置服务名称以便区分多个MongoDB实例。安装完成后，默认情况下MongoDB是无用户鉴权状态。接着，通过MongoDB的bin文件夹中的mongod.exe启动mongo命令窗口，执行命令创建管理员用户并设置密码。最后，通过修改mongod.cfg配置文件开启权限验证，并在Wi

本文介绍了如何通过百炼平台的Assistant API构建一个无需提前定义、可自动规划任务流程的Multi Agent系统，用于查询阿里云资源信息。Multi Agent系统由多个Agent协作完成，通过明确每个Agent的角色和职责，提升任务执行的准确性和效率。系统包括PlannerAssistant、ChatAssistant、AliyunInfoAssistant、InstanceTypeDetailAssistant和SummaryAssistant，分别负责任务规划、信息查询和结果汇总。文章还提供

该方案展示了如何通过阿里云百炼的Assistant API构建一个Multi-Agent架构的智能导购应用。应用的核心包括规划助理（Router Agent）和多个商品导购助理（如手机、冰箱、电视导购）。规划助理根据用户输入和历史对话，决定调用哪个商品导购助理。每个导购助理负责收集用户对特定商品的偏好信息，并通过知识库或数据库进行商品推荐。代码示例展示了如何实现这些助理的功能，包括意图分类、参数收集和商品推荐。最终，应用可以根据用户需求进行智能商品检索和推荐，提升购物体验。

本文深入解析 LangChain4j 对 Kotlin 的支持，涵盖异步操作、流式交互等技术亮点。从配置到高级功能，详细阐述如何利用 Kotlin 协程提升性能，实现高效、响应式的语言模型应用，为开发者提供全面指导。

LangChain4j 情感分类系统为 Java 开发者提供了一种高效且精准的情感分析解决方案。通过集成 OpenAI 模型，开发者可以轻松实现文本情感分类，将文本精确地归为积极、中性或消极类别。本篇文章深入解析了情感分类的实现原理、代码示例以及在客户反馈分析、社交媒体监控等多场景的应用，助力开发者快速上手并优化业务流程，提升文本分析效率。

本文深入解析 LangChain4j 中的工具调用（Tools/Function Calling）功能，帮助开发者扩展大型语言模型（LLM）的能力。通过工具调用，LLM 可以触发外部操作，如数学计算、网页搜索或 API 调用，从而解决复杂任务。文章详解了工具的定义、参数描述、异常处理及动态加载方法，并提供了从低级 API 到高级注解的实现方式。通过实际案例（如数学工具和动态工具加载），展示了如何利用工具调用提升模型的实用性。无论您是初学者还是资深开发者，本文都能帮助您掌握 LangChain4j 工具调用的

本文详细介绍Seata分布式事务管理器的部署与安装过程，适合希望在微服务架构中解决数据一致性问题的技术人员。文章首先介绍了Seata的基本概念及其重要性，随后详细讲解了如何搭建Seata服务器，包括环境准备、配置文件修改等步骤。接着，通过实际案例演示如何将Seata集成到现有项目中，实现AT、TCC等多种模式的分布式事务控制。最后总结了常见问题及解决方案，为读者提供全面的操作指南和宝贵的经验参考。

本文深入探讨了 LangChain4j 中的 Model Context Protocol (MCP)，详细介绍了如何通过 MCP 实现 AI 模型与外部工具的高效集成。MCP 支持 HTTP 和 stdio 两种传输方式，能够帮助开发者轻松地将 AI 模型与各种工具桥接，从而扩展模型的功能。文章还提供了实际的代码示例，展示了如何使用 MCP 与 GitHub 交互，获取并总结公共 GitHub 存储库的最新提交。通过这些示例，开发者可以更好地理解 MCP 的工作原理和应用场景，为构建更强大的 AI 应用提

公司安全部门检查，要求系统配置文件中的敏感信息如数据库密码等，进行加密处理，否则将受到公司的安全处罚，无奈只要按照公司要求，对springboot项目配置文件的敏感信息进行加密和解密处理。详细教程如下。

Spring WebFlux 是 Spring 5 引入的一个新的响应式框架，提供了与 Spring MVC 类似的功能，但基于非阻塞操作并使用 Reactor 项目作为其核心库。WebFlux 支持两种编程风格：注解路由（类似于 MVC）和函数式路由。首先，我们需要定义一个实体类User，包含用户的 id、name 等信息。

探索如何利用Spring Boot启动器无缝集成LangChain4j，以实现AI服务的自动化配置和高效管理。本文详细介绍了通过langchain4j-{integration-name}-spring-boot-starter依赖快速集成OpenAI、Ollama等模型的方法，并展示了如何在application.properties文件中配置模型参数。您还将学习到如何使用@AiService注解定义AI服务接口，自动装配各种组件如ChatLanguageModel和StreamingChatLangua

在请求发送给 LLM 时，指定了单个工具，并且工具参数描述了所需输出的结构。在使用提示模式时，需要在系统或用户消息中以自由文本形式指定所需输出的格式，并希望 LLM 能够遵守。这种方法相当不可靠。请注意，JSON Schema 是在请求中的专用属性中指定的，不需要在提示中包含任何自由形式的指令（例如系统或用户消息）。那么，基于指定的返回类型，ResponseFormat 将自动生成带有 JsonSchema 的格式。当在请求中指定 JSON Schema 时，LLM 应生成符合此 Schema 的输出。

想了解如何通过响应流技术优化大语言模型（LLM）的应用性能吗？本文基于LangChain4j框架，深入浅出地讲解了StreamingChatLanguageModel和StreamingResponseHandler的使用方法。通过逐个token实时传输生成内容，大幅提升用户交互体验，减少等待时间。无论您是开发者还是技术爱好者，都能从中掌握实用技巧，让您的应用更高效、更流畅！立即阅读，解锁LLM流式传输的奥秘吧！

本文详细介绍了在Windows系统上安装和配置阿里巴巴开源的Sentinel流量控制与系统防护框架的完整流程。从环境准备到具体安装步骤，再到功能测试与高级扩展，内容覆盖全面，适合初学者及进阶开发者学习。通过本文，您将掌握如何在微服务架构中利用Sentinel实现流量控制、熔断降级等功能，提升系统的稳定性和高可用性。文章还提供了常见问题的解决方法，帮助读者快速定位并解决问题。无论您是希望保护系统免受高并发冲击，还是优化微服务治理，本文都能为您提供实用的指导。

本文详细介绍了在Windows系统上安装和部署Nacos的全流程，涵盖环境准备、下载与安装、配置以及启动等关键步骤。首先，确保系统已安装JDK并正确配置环境变量，同时可选安装MySQL以支持持久化存储。接着，从Nacos官方GitHub页面下载最新版本压缩包并解压至目标目录。通过修改`application.properties`文件完成数据库连接和日志路径配置，并根据硬件性能调整JVM参数。使用`startup.cmd -m standalone`命令以单机模式启动Nacos服务

模型的输出生成内容（文本、图像等）的创造性或确定性水平。生成内容的数量等。连接性基础URL、授权密钥、超时时间、重试机制、日志记录等。通常，您可以在模型提供商的网站上找到所有参数及其含义。例如，OpenAI API 的参数可以在OpenAI 官方文档参数名称描述类型modelName使用的模型名称（例如 gpt-4、gpt-4o-mini 等）。String使用的采样温度，范围为 0 到 2。更高的值（如 0.8）会使输出更随机，而较低的值（如 0.2）会使输出更集中和确定性更强。

LangChain4j 提供了与许多大语言模型（LLM）提供商的集成。每个集成都有其自己的 Maven 依赖项。：如果你没有自己的 OpenAI API 密钥，不用担心。你可以暂时使用我们提供的演示密钥，免费用于演示目的。以上是该页面的主要内容翻译。如果有具体需求或进一步问题，请告诉我！建议将你的 API 密钥存储在环境变量中，以降低公开暴露的风险。

目前，LangChain4j 仅提供“记忆”，而不提供“历史记录”。如果需要保留完整的对话历史记录，请手动完成。可以单独存储（例如，每条消息对应一条记录/行/对象），也可以一起存储（例如，整个。可以作为一个独立的低级组件使用，也可以作为高级组件（如 AI 服务）的一部分。方法应更新与给定 memory ID 相关的所有消息。方法应返回与给定 memory ID 相关的所有消息。方法会被调用，传入的消息列表中不包括被淘汰的消息。请注意，“记忆”和“历史记录”是相似但不同的概念。存储在您选择的任何持久存储中。

本页描述的是低级别的 LLM API。有关高级 LLM API，请参见 AI Services。

在 MongoDB 中开启验证（即启用身份验证）是保护数据库安全的重要步骤。adminmyPassword完成以上步骤后，MongoDB 的身份验证就成功启用了！运行以下命令，列出admin这将显示所有用户的详细信息，包括用户名、角色等。运行以下命令，查询admin这将显示所有用户的详细信息，包括用户名、角色等。如果你只想修改用户的密码或角色，可以使用命令。如果你只想修改用户的密码或角色，可以使用命令。

是一个基于 Java 的轻量级框架，旨在简化大型语言模型（LLM）在 Java 应用中的集成。模型集成：支持 OpenAI、HuggingFace、本地模型（如 Ollama）等。提示工程：通过模板化提示（Prompt Templates）优化与模型的交互。链式调用：将多个步骤（模型调用、工具执行）组合成可复用的流程。记忆管理：支持短期/长期记忆（如对话历史记录）。数据增强：通过检索增强生成（RAG）扩展模型知识库。工具扩展：允许自定义工具（如搜索、数据库查询）扩展模型能力。

出现“程序包不存在”的问题是因为某些依赖引用了已被移除的内部 API。更严格地暴露了这些问题，而可能暂时掩盖了它们。建议优先升级相关依赖或引入替代库，以确保项目的兼容性和稳定性。特性主要功能编译 Java 源代码构建和打包 Spring Boot 应用适用范围所有 Maven 项目仅限 Spring Boot 项目核心任务编译源代码和测试代码打包可执行文件、运行应用配置复杂度简单，通常只设置 JDK 版本较复杂，涉及 Spring Boot 配置如果用户需要同时使用两者，通常会在同一个。

Redis，作为一款使用ANSI C编写的开源、支持网络、基于内存的键值对存储数据库，因其出色的性能和灵活性而被广泛应用。然而，最近发现的一个安全漏洞（CVE-2024-46981）揭示了Redis在处理Lua脚本引擎内存管理时存在潜在风险。具体来说，经过身份验证的用户可以通过精心构造的Lua脚本操纵内存回收机制，并通过EVAL或EVALSHA命令执行该恶意脚本，从而可能在Redis服务器上执行任意代码。

通过专业网络检测工具验证，国内访问HuggingFace的节点均显示异常状态（图示检测结果可见原文档）。针对这一普遍性问题，本文整理出五套经过验证的解决方案，适用于不同使用场景和技术背景的开发者。建议优先尝试镜像平台方案，对技术要求较高的用户可探索多线程下载与混合策略组合方案，以获得最佳下载体验。平台时普遍遭遇连接障碍，通过IP检测工具验证发现，境内节点均无法正常连通该平台。执行克隆命令时需输入平台账号及访问令牌，下载过程示意图可参考原文档。参数说明：-x 16（分块数），-j 8（并行线程数）

在 MyBatis-Plus 中，除了使用内置的类型处理器外，开发者还可以根据需要自定义类型处理器。例如，当使用 PostgreSQL 数据库时，可能会遇到 JSONB 类型的字段，这时可以创建一个自定义的类型处理器来处理 JSONB 数据。以下是一个自定义的 JSONB 类型处理器的示例：示例工程：👉 mybatis-plus-sample-jsonb} // 自3.5.6版本开始支持泛型,需要加上此构造. public JsonbTypeHandler(Class

本文介绍如何实现网页应用在飞书客户端内的免登操作，在用户打开网页应用时，弹出授权登录页面，授权通过后直接完成登录操作。通过本教程你可以了解到网页应用授权登录的完整流程。