爱折腾的架构师-优快云博客

原创 Apache Superset 是什么？一文读懂开源数据可视化分析平台的定位、核心概念与架构总览（2026 最新）

从资深架构师视角讲清三件事：**Superset 到底是个什么东西、它的核心概念怎么理解、它的整体架构长什么样。

2026-11-06 11:55:21 223

原创 Java 虚拟线程的四个“静默故障“：当线程不再是瓶颈，什么才是？

本文剖析Java虚拟线程迁移中的四大“静默故障”：Pinning残余、ThreadLocal失效、连接池资源失控及结构化并发误区。核心指出，虚拟线程虽解除线程数量瓶颈，却将旧线程池承担的资源限流职责归还应用层。作者强调，JDK 24后monitor pinning虽大幅缓解，但native调用与类加载仍存风险；ThreadLocal因线程不复用而失效，导致性能下降与内存泄漏；连接池不再受线程数约束，需主动引入背压机制。建议通过JFR监控pinning、重构ThreadLocal使用、合理配置连接池并采用结构

2026-11-05 12:12:07 727

原创同一需求三套写法：用 Spring AI、LangChain4j、AgentScope Java 各实现一个带工具调用的 RAG 助手（实战对比）

本文以“技术问答助手”为例，对比Spring AI、LangChain4j与AgentScope Java实现RAG+工具调用的三套方案。三者均支持流式输出与知识检索，但风格迥异：Spring AI强调命令式流畅，LangChain4j采用声明式接口，AgentScope则以Agent编排为核心。代码量与心智模型差异显著，适用于单体智能（前两者）或多智能体系统（后者）。最终建议根据项目形态选型，实现从“能用”到“好用”的跃迁。

2026-11-05 00:12:20 422

原创 AgentScope Java 深度解析：ReActAgent、HarnessAgent 与多智能体编排——JVM 上的自治 Agent 底座

AgentScope Java 是阿里通义实验室推出的 JVM 多智能体框架，主打动态自治、多角色协作与生产级能力。其核心为 ReActAgent（推理引擎）与 HarnessAgent（生产容器），支持子智能体编排、状态持久化（Redis/MySQL）、沙箱隔离与 HITL 人工介入。适用于需分工协作、长期记忆、可审计的复杂 Agent 系统，相较 Spring AI 与 LangChain4j 更适合“自主规划+多智能体协同”场景。

2026-11-05 00:11:12 245

原创 LangChain4j 深度解析：@AiService、RAG 与 20+ Provider——Java AI 的生态之王

LangChain4j 作为 Java 原生大模型框架，以 @AiService 实现声明式 AI 服务，支持流式、异步与结构化输出。其核心优势在于全链路 RAG 支持（文档分块、向量化、检索增强），无缝集成多 Provider（OpenAI、Anthropic 等）与向量库（PGVector、Milvus 等），并具备工具调用、Agent、记忆管理与 OpenTelemetry 可观测性。模块化设计灵活，兼容 Spring Boot 3.x 与 4，适合复杂场景与非 Spring 技术栈，是当前 Java

2026-11-04 07:26:03 282

原创 Spring AI 2.0 深度解析：ChatClient、Advisor 链与 MCP——Java 工程师的 AI 落地最优解

Spring AI 2.0 实现范式跃迁：以 ChatClient 为统一入口，重构工具调用为可组合的 Advisor 链，内置 MCP 支持双向通信。核心升级包括空安全、不可变配置、对 Spring Boot 4+ 的依赖，显著提升可维护性与扩展性。推荐已规划迁移 Boot 4 的 Java 团队采用，实现高效智能集成。

2026-11-04 00:02:45 347

原创 Spring AI 上生产：限流熔断、密钥与成本治理、私有化/混合部署、降级与 Prompt 灰度架构全解

本文系统解析Spring AI从Demo到生产的核心架构设计，涵盖限流熔断、密钥与成本治理、私有化/混合部署、模型降级兜底及Prompt灰度发布等关键能力。基于Spring AI 2.0.1，构建融合网关、鉴权、监控的高可用体系，实现安全可控、成本可管、合规可落地的AI生产环境。结合真实企业接入案例，提供可复用的架构图与避坑指南，助力AI应用平稳上线。

2026-11-04 00:02:15 501

原创 AI 应用的安全红线：Spring AI 下的 Prompt 注入防护、PII 脱敏、输出审计与密钥管理

本文基于 Spring AI 2.0.1，通过 Advisor 机制构建AI应用安全防护体系，覆盖四层威胁面：输入（Prompt注入防护）、数据（PII双向脱敏）、工具（越权调用鉴权）与输出（审计留痕）。结合系统提示加固、输入拦截、脱敏链路、权限校验及密钥生命周期管理，实现统一安全网关。强调关键实践：拒绝硬编码密钥、输出前脱敏、工具执行前鉴权，防范注入、泄露与越权风险，保障生产级AI应用安全合规。

2026-11-03 12:11:12 817

原创 AI 回答质量怎么量化？Spring AI Evaluation 评估器：上线前给输出打分、防幻觉回归

SpringAI，上线前用评估器给 AI 输出打分，才能量化质量、防止幻觉回归。

2026-11-03 06:57:28 317

原创上线后怎么排查 AI 调用？Spring AI Observability：token/延迟/成本埋点与全链路追踪

本文详解Spring AI 2.0.1中AI调用的可观测性实践，涵盖token用量、延迟、成本埋点与全链路追踪。通过Micrometer集成，实现关键指标监控；利用traceId串联请求链路，定位性能瓶颈；结合审计日志留痕，满足合规需求。重点解决成本失控、调用慢源难辨等痛点，提供可落地的监控方案与避坑指南。

2026-11-03 00:13:57 296

原创 2026 Java 大模型框架选型终极指南：Spring AI vs LangChain4j vs AgentScope Java 深度横评（万字 + 架构图 + 决策树）

一句话结论（赶时间的架构师只看这一句）：Spring AI 和 LangChain4j 是"LLM 应用框架"，解决的是"怎么在 Java 里把大模型/工具/向量库拼起来"；AgentScope Java 是"多智能体运行时"，解决的是"怎么让一群 Agent 自治地协作干活"。它们并不在同一层竞争——所以"哪个最好"是个伪命题，正确的问题是"你的团队住在哪、你要搭的是单体还是多智能体系统"。

2026-11-02 19:57:49 399 1

原创 Spring AI 多模态实战（上）：图像理解 Vision——Media 与 MimeType 一次讲透

本文详解 Spring AI 2.0.1 中多模态图像理解实战，聚焦 Media 与 MimeType 构造多模态输入，实现图片转描述、结构化对象抽取及多图混排。通过真实代码示例，揭示模型能力边界与高 token 消耗风险，提出压缩、裁剪、格式统一等优化策略，并附踩坑 FAQ 与消息结构图，助力开发者高效落地图像理解场景。

2026-11-02 07:06:38 236

原创类 ChatGPT 打字机效果：Spring AI Flux 流式输出 + SSE 对接前端实战（背压/断线重连）

本文详解 Spring AI 2.0 中实现类 ChatGPT 打字机效果的全链路方案：基于 Flux<ChatResponse> 与 SSE 的流式输出，后端推荐 WebFlux 方式（produces = TEXT_EVENT_STREAM_VALUE），前端用 EventSource 实现增量渲染。涵盖背压处理、断线重连机制及常见踩坑点（如参数传递、SSE 混淆等），强调前端流式 SSE 与 MCP 弃用的 SSE 本质不同，确保高效、稳定落地。

2026-11-02 07:06:22 286

原创 Spring AI 多模态实战（下）：文生图 + TTS 语音合成（含 2.0 流式音频分片）

本文基于 Spring AI 2.0.1，实战文生图与TTS语音合成：通过ImageModel/ImagePrompt生成图片（返回URL或base64），用SpeechModel/SpeechPrompt实现文字转语音；重点介绍2.0流式音频分片技术，支持低延迟长文本播报；结合缓存、落盘、限流等策略控制生成成本，避免URL过期、音频格式错乱等常见坑点。附完整代码与踩坑指南，助力构建高效多模态应用。

2026-11-01 08:08:32 238

原创 MCP 2.0 是什么？Spring AI 双向集成：消费远程 MCP 工具 + 把你的 Spring 服务暴露成 MCP Server

MCP 2.0 是开放的模型上下文协议，解决 AI 工具碎片化问题。Spring AI 2.0 实现双向集成：通过 @McpTool 注解可将 Spring 服务暴露为 MCP Server，同时支持消费远程 MCP 工具。MCP 2.0 默认使用 Streamable HTTP 传输，弃用 SSE，提升可扩展性与安全性。结合鉴权与最小暴露原则，实现跨框架、跨语言的工具复用，构建灵活可插拔的 AI 生态。

2026-11-01 08:02:00 288

原创让 AI 查订单、查库存、发消息：Spring AI 自定义工具（Tool）实战与工具描述工程

本文详解Spring AI 2.0中如何将Spring Bean方法通过@Tool注解暴露为AI可调用工具，核心在于“描述工程”——工具名需见名知义，描述要具体清晰，参数须注明格式与范围。强调错误应返回结果而非抛异常，敏感操作需人工兜底。针对海量工具场景，推荐使用检索式注册。结合实战案例与踩坑指南，提供从注册、描述到容错的完整方法论，助力高效构建可信赖的AI工具链。

2026-11-01 07:25:56 279

原创大模型怎么自己调函数？Spring AI 2.0 Tool Calling 自动循环原理 + 完整时序图

Spring AI 2.0 通过递归 Advisor 链重构 Tool Calling 机制，将工具调用循环从 ChatModel 内部提升至统一链路，实现自动多轮交互：模型决定调用哪类工具并传参，框架执行后回喂结果，驱动模型生成最终回复。核心亮点包括 @Tool 注解定义工具 Schema、ToolCallingAdvisor 自动注册与循环、以及 2.0 独有的 ToolSearchToolCallingAdvisor，支持海量工具按需暴露，显著降低 token 消耗（34%~64%）。完整时序图揭示“

2026-10-31 00:09:23 314

原创知识库上线前必看：Spring AI RAG 多租户隔离、增量更新、答案引用溯源与召回评测

本文详解Spring AI RAG上线前关键问题：通过元数据标签实现多租户隔离，基于文档ID幂等处理增量更新，保留来源信息支持答案溯源，并构建评测集量化召回率与命中率。结合过滤表达式、真实场景用例与踩坑指南，确保知识库安全、准确、可维护，助力从Demo到生产落地。

2026-10-31 00:09:04 324

原创桥隧监测多源异构数据“融而不合“？资产主数据 + 特征对齐，把多模态数据真正“融“起来（从架构到落地代码）

桥隧监测面临多源异构数据“融而不合”难题，根源在于数据类型、时间尺度、空间坐标与业务编码的四重异构。本文提出“资产主数据+特征对齐”融合架构：通过四级编码体系建立统一身份标识，实现资产、部件、测点与坐标的标准化；再通过时间（授时+补偿）、空间（坐标配准）、语义（多模态特征映射）三重对齐，解决数据错位问题；结合因果解耦与三级融合模型，提升病害识别准确率。落地实践显示，时间误差控制在毫秒级，误报率降低60%以上，为结构状态统一刻画提供可复现的技术路径。

2026-10-30 18:01:09 967

原创 RAG 答非所问/幻觉怎么破？Spring AI QuestionAnswerAdvisor 召回优化实战（TopK/重排/混合检索）

本文详解 Spring AI 2.0.1 中 QuestionAnswerAdvisor 的检索增强链路，聚焦 RAG 答非所问与幻觉问题的根因——召回不足。通过调优 topK、similarityThreshold、分块策略，结合重排序与混合检索，提升命中率；并提供“答非所问/幻觉”排查清单，强调“先查召回，再调 prompt”，实现从“能用”到“可靠”的跃迁。

2026-10-30 17:17:25 355

原创内存/Redis/PGVector/Milvus/ES 怎么选？Spring AI VectorStore 抽象与向量库选型对照表

本文基于Spring AI 2.0.1，详解VectorStore可移植抽象与向量库选型。通过统一接口实现无缝切换内存、PGVector、Redis、Milvus、Elasticsearch等库，业务代码零改动。重点推荐已有PostgreSQL团队优先选用PGVector，兼顾成本与功能。强调embedding模型维度一致性，避免重建索引。附完整PGVector接入实战与选型对照表，解决过滤语法、维度不匹配等五大踩坑问题，助力RAG系统高效落地。

2026-10-30 07:08:52 358

原创桥隧监测海量物联数据“存不下、查不出、取不回“？云边协同 + 热温冷分层 + 多引擎架构，PB级时序成本直降90%（附落地代码）

桥隧监测面临海量时序数据“存不下、查不出、取不回”难题，根源在于高吞吐写入、混合负载与长周期留存的系统性矛盾。本文提出云边协同+热温冷分层+多引擎架构，通过边缘降采样压缩（带宽降80%+）、三档分层存储与生命周期管理，实现PB级时序数据成本直降90%。配套建库建表、Kafka调优、索引加速等可复现代码，支持分钟级到秒级检索，效果显著。

2026-10-29 12:06:46 1637 1

原创 Spring AI RAG 从零落地：文档读取→切分→向量化→入库完整 ETL 管线图解

本文详解Spring AI 2.0.1下RAG知识库的完整ETL管线：从文档读取（TextReader/PDF/Tika）→ 智能切分（TokenTextSplitter，含chunkSize与overlap调优）→ 向量化（EmbeddingModel）→ 入库（VectorStore）→ 检索。提供端到端可运行代码，解析关键参数选择与常见踩坑（如维度不匹配、重复入库、切分断裂），并附流程图与实战建议，助力高效构建私有知识库地基。

2026-10-29 00:23:14 283

原创让 AI 直接返回 Java 对象：Spring AI 结构化输出 + 校验失败自动自纠正（StructuredOutputValidationAdvisor）

本文介绍 Spring AI 2.0.1 中通过 .entity() 直接将大模型输出绑定为 Java 对象的机制，结合 JSON Schema 约束与 StructuredOutputValidationAdvisor 实现校验失败自动重试，彻底告别手动解析 JSON。支持单对象及泛型集合绑定，兼容 Jackson 3 序列化底座，提供 provider 原生结构化输出与通用自纠正的选型建议，显著提升结构化数据提取的稳定性与开发效率。

2026-10-29 00:03:59 363 1

原创 Spring AI 多轮对话记忆怎么做？ChatMemory + 持久化（内存/JDBC/Mongo）完整实战

本文详解 Spring AI 2.0 中多轮对话记忆实现：通过 MessageWindowChatMemory 实现滑窗存储，结合 MessageChatMemoryAdvisor 自动注入历史消息；关键在于显式传入 ChatMemory.CONVERSATION_ID 实现会话隔离，避免串话。支持内存、JDBC、MongoDB 等持久化方案，通过控制最大消息数与上下文裁剪降低 token 成本。文末预告 2.1 版将废弃 ChatMemory，引入更优的 Session API，建议新项目提前规划迁移。

2026-10-28 00:15:59 546

原创 Spring AI 的灵魂：Advisor 责任链原理 + 手把手写一个自定义 Advisor（日志/脱敏/预算控制）

本文深入解析 Spring AI 2.0 的核心机制——Advisor 责任链，揭示其在记忆、工具调用、RAG 等高级功能中的统一作用。通过手写日志审计、输入脱敏、token 预算拦截三个可复用 Advisor，演示如何利用 adviseCall()、mutate() 和短路机制实现横切逻辑。重点强调 2.0 命名变更（如 CallAdvisor 替代 CallAroundAdvisor）与洋葱模型执行顺序，助开发者掌握 Spring AI 架构精髓。

2026-10-28 00:15:41 50

原创别把 Prompt 硬编码进代码：Spring AI PromptTemplate 与提示词管理最佳实践

本文阐述了在Spring AI中避免提示词硬编码的重要性，提出使用PromptTemplate实现提示词的可配置、可版本化与灰度管理。通过变量占位、模板分离、外置配置与数据库存储，结合版本控制与动态路由，实现提示词作为工程资产的高效管理，解决变更需发版、无法A/B测试等痛点，提升AI应用的灵活性与可维护性。

2026-10-28 00:15:20 330

原创物联网时序数据乱序问题全链路治理：从设备到存储的五层实战（附 Flink/Kafka/IoTDB 配置级代码）

本文系统解决物联网时序数据乱序问题，提出“五层治理”架构：设备端双时间戳+递增seq防补传错乱；接入层EMQX按deviceId路由保分区有序；Kafka通过幂等生产者与单分区消费确保到达顺序；Flink基于事件时间与Watermark实现迟到容忍与重算；存储层IoTDB分离顺乱序，支持同时间戳覆盖。附可直接落地的Flink/Kafka/IoTDB配置代码，揭示“70%迟到源于事件滞后”，强调“容忍+重算”优于“强行排序”，助力报表准确、曲线平滑、不丢数。

2026-10-27 12:50:22 539

原创 Spring AI 2.0 升级指南：从 1.x 平滑迁移的 Breaking Changes 全清单 + 改造清单

Spring AI 2.0 为重大升级，涉及底座（Boot 4、JDK 21、Jakarta、Jackson 3）与框架重构。核心变更包括：ChatClient 与 ChatModel 职责分离，Options 改用不可变 Builder 模式，InMemoryChatMemory 移除并改用 MessageWindowChatMemory，conversationId 必须显式传入。Azure OpenAI starter 已移除，改用 OpenAI starter 配置。MCP 传输层从 SSE 升级为

2026-10-27 12:48:43 335

原创同一套代码切换 OpenAI/DeepSeek/通义/Ollama：Spring AI 模型抽象与选型实战

本文详解Spring AI 2.0实现“一套代码切换OpenAI/DeepSeek/通义/Ollama”的核心机制：通过ChatModel接口抽象，业务代码零改动。依托OpenAI兼容协议，可免换starter仅改配置接入国产模型；结合云端（高成本但强能力）与本地Ollama（私密免费）的五维决策矩阵，实现灵活选型。实战演示配置驱动切换，配合Profile管理多环境，真正实现模型无感迁移。

2026-10-27 12:48:22 844

原创 Spring AI ChatClient 详解：system/user/assistant 角色、call 与 stream 到底怎么选

本文详解 Spring AI 2.0 中 ChatClient 的核心用法：区分 ChatClient（业务入口）与 ChatModel（底层接口），掌握 system/user/assistant 三类消息角色的职责与优先级，理解 defaultSystem() 与 .system() 的覆盖关系。对比同步 call() 与响应式 stream() 的适用场景，推荐流式用于低延迟交互。通过 ChatOptions 调优 temperature、max-tokens、top-p 等参数，实现精准控制。强调构

2026-10-26 17:47:03 281 1

空空如也

空空如也