一、前言 Spring Boot Spring AI 二、具体实现（Spring Boot + Spring AI的简单应用） 1.环境准备 2.项目初始化 3.配置OpenAI API Key 4.

本篇补了一个我认为详细的流程图。分享下MCP-JAVA下调用阿里的大模型遇到的问题（跳过这个问题一切就很顺利了，以及写了一个简单的当前时间的MCP-SERVER

实现思路 利用 AI 大模型（如 GPT、BERT）对文本、图像等数据生成高维向量（Embedding），捕捉其语义特征，然后将这些向量存储到向量数据库（如 Milvus、Pinecone）中并建立索

在当今信息爆炸的时代，如何高效地管理和利用海量的知识数据成为了企业和开发者面临的重大挑战。基于AI的大模型和检索增强生成（RAG, Retrieval-Augmented Generation）技术

Spring AI 作为统一的大模型接入框架，其Model API为开发者提供了多模型适配能力。无论是OpenAI、DeepSeek、Moonshot AI（月之暗面）、Perplexity AI、G

本例尝试本地搭建ollama，跑一些开源的模型。 ollama号称大模型领域的docker。用来做验证或者跑一些经过蒸馏/量化的轻量模型、搭建问答机器人知识库，够用了。

本期内容分享了LangGraph底层自定义图API点、边、状态State的设计理念，并通过简单加减法串联结构图演示了底层API的使用方法，同时介绍了如何使用Pydantic约束State使代码更健壮。

引子 在前两篇文章中，我们已经成功地将 LLM 集成进了Spring Boot，并实现了流畅的流式对话体验。但我们很快会发现一个核心问题：通用大模型虽然知识渊博，但它对我们的私域知识（比如公司内部的产

引子 在前三篇文章中，我们已经将一个基础的 LLM 逐步打造成为了一个拥有流式响应能力和私域知识库（RAG）的智能对话应用。然而，RAG 虽然强大，但它依赖的知识库是静态的、需要人工维护的。当用户问及