langchain4j

通过RAG架构实现失物查询功能，配置了基于内存的向量数据库和阿里云文本嵌入模型，将失物数据向量化存储。通过内容检索器按语义相似度检索 top2 结果，测试表明能有效匹配物品特征并返回拾取者信息。

今天来实现失物登记功能，整体实现类似于之前的丢失登记。 一、功能实现 1、失物数据定义 定义一个失物数据的数据库实体对象 定义相应的查询工具类（用来更新操作） 2、大模型定义 定义一个流式功能的大模型

本篇文章介绍了如何改进失物登记系统的更新功能。具体实现包括：新增查询工具、修改提示词等，并进行了功能测试，最终实现了既能新增又能更新的失物登记系统。

本篇文章优化对话流历史管理，通过AOP切面和数据库存储解决持久化和消息冗余问题，确保每条对话只存用户输入和AI回复，重启后历史可恢复。

这篇文章介绍了如何通过大模型实现失物招领系统的意图识别和信息登记功能。系统首先判断用户意图（丢失登记、找到登记或查询），然后引导用户提供详细信息（姓名、电话、物品特征），并将结构化数据存入数据库。

本篇文章是搭建失物招领系统第一篇文章，描述了langchat4j的基本使用，以及和springboot的结合使用。

之前通过coze上面的工作流，初步搭建了一个失物招领系统。 接下来会通过langchain4j搭建一个简单失物招领系统，学习一下langchain4j的使用。