Multi-Agent + Skills + Spring AI 构建自主决策智能体 引言 随着大语言模型（LLM）的快速发展，智能体（Agent）技术成为AI应用开发的热点。智能体不仅能够理解自然语

本文介绍了基于Spring Boot 3.2和Spring AI 1.0.0-M4构建智能客服系统的技术方案。系统采用分层架构设计，集成DeepSeek API提供自然语言处理能力

AutoGPT AutoGPT 是 AI Agent 领域的鼻祖级项目，现在已经 18 万+的 Star 了。 与聊天机器人不一样，AutoGPT 能够自主地将一个大目标拆解为子任务

Spring AI 团队刚刚发布了 Spring AI 2.0.0-M1。这不仅是一次常规的版本迭代，更是 2.x 系列的正式开篇：技术栈、基线版本、模型生态几乎经历了一轮“大换血”。 在此之前，Sp

Ops 多模态 RAG（Retrieval-Augmented Generation），结合 Spring AI + Qdrant，可以用来做一个「运维知识库 + 多模态检索问答」的案例。

Spring AI Alibaba Graph 的核心内容开发已基本就绪，将在近期发布正式版本，基于 Spring AI Alibaba Graph 开发者可以轻松开发工作流、不同模式的智能体&多智能

探讨了MCP（Model Context Protocol）协议在AI应用开发中的应用及其客户端实现技术，重点分析了MCP协议如何连接AI模型与多元数据工具，并详细介绍了几种常见的MCP客户端实现方案

MCP 这个概念相信大家已经听了无数次了，但不同人会有不同的解释，你可能也是听得云里雾里的。 不过没关系，今天这篇内容会通过 Spring AI 给你实现一个 MCP 的 Client 和 Serve

之前分享过 Deepseek 相关本地部署的内容和 Deepseek 搭配知识库的方案，这里结合一款 UI（CherryStudio）来搭建本地部署，同时可以搭建知识库。