大模型应用开发

我们在运营某个圈子的时候，可能每天都要将这个圈子的“热门新闻”发送到朋友圈或聊天群里，但依靠传统的实现手段非常耗时耗力，我们通常要先收集热门新闻，再组装要新闻内容，再根据内容设计海报等。 那怎么才能简

在经历了八个里程碑式的版本之后（M1~M8），Spring AI 1.0 正式版本，终于在 2025 年 5 月 20 日正式发布了，这是另一个新高度的里程碑式的版本，标志着 Spring 生态系统正

大模型应用课又更新了，除了之前已经完结的两门课（视频+图文）： 《Spring AI 从入门到精通》 《LangChain4j 从入门到精通》 还有目前正在更新的 《Dify 从入门到实战》 本周也迎

续 Spring AI M8 版本之后（5.1 发布），前几日 Spring AI 悄悄的发布了最新版 Spring AI 1.0.0 RC1（5.13 发布），此版本也将是 GA（Generally

AI 技术发展很快，同样 AI 配套的相关技术发展也很快。这不今天刚打开 Spring AI 的官网就发现它又又又又更新了，而这次更新距离上次更新 M7 版本才不过半个月的时间，那这次 Spring

LangChain4j 提供了 3 种 RAG（Retrieval-Augmented Generation，检索增强生成）实现，我们通常在原生或高级的 RAG 实现中，要对数据进行清洗，也就是将外接

LangChain4j 1.0.0-beta4 上周刚刚发布，并且计划这个月中旬发布 RC1，我觉得这次升级还是非常实用的，除了修复了一些关键的 BUG 之外，还有一个被我经常吐槽的功能也被更正了，具

LangChain4j 和 Spring AI 是 Java 生态中实现大模型应用开发的两个最重要的框架，但二者的区别是啥？生产级别又该使用哪种框架？令很多人犯了难，所以本文就来浅聊一下，希望给大家在

今日凌晨，通义千问团队正式开源了 Qwen3 大模型，并且一口气发布了 8 个型号，其中包括 0.6B、1.7B、4B、8B、14B、32B 以及 30B-A3B 和 235B-A22B，使用者可以根

向量数据库是大模型应用开发必备组件之一，因为它在知识库、语义搜索、检索增强生成（RAG）等人工智能应用中发挥着举足轻重的作用。但向量数据有很多，为什么要使用 Milvus 呢？ 常见向量数据 常见的向

简单来说，“向量”Vector 是大模型（LLM）在搜索时使用的一种“技术手段”，通过向量比对，大模型能找出问题的相关答案，并且进行智能回答。 向量简介 Vector 是向量或矢量的意思，向量是数学里

在 Spring AI 中，流式输出（Streaming Output）是一种逐步返回 AI 模型生成结果的技术，允许服务器将响应内容分批次实时传输给客户端，而不是等待全部内容生成完毕后再一次性返回。

不知道大家有没有发现？对于添加到 MCP 服务市场的成千上万个 MCP 服务（而且这个数字每天还在增加），我们可以不写一行代码，轻松实现调用，但背后的原因究竟是啥呢？ MCP 虽然用起来很方便，但搞不

Spring AI 前两天（4.10 日）更新了 1.0.0-M7 版本后，原来的 SimpleVectorStore 内存级别的向量数据库就不能用了，Spring AI 将其全部源码删除了。 此时我

DeepSeek 是国内顶尖 AI 团队「深度求索」开发的多模态大模型，具备数学推理、代码生成等深度能力，堪称"AI界的六边形战士"。 DeepSeek 身上的标签有很多，其中最具代表性的标签有以下两

DeepSeek 是国内顶尖 AI 团队「深度求索」开发的多模态大模型，具备数学推理、代码生成等深度能力，堪称"AI界的六边形战士"。 DeepSeek 最具代表性的标签有以下两个： 低成本（不挑硬件

一、基础原则 1️⃣ 说人话最重要 "不用专业术语，就像和朋友聊天一样描述需求"。 ❌️ 错误示范："请用SWOT分析法输出新能源汽车行业报告"。 ✅ 正确示范："我要给老板汇报比亚迪谈判进展，完全不

嵌入模型（Embedding Model）和向量数据库（Vector Database/Vector Store）是一对亲密无间的合作伙伴，也是 AI 技术栈中紧密关联的两大核心组件，两者的协同作用构

提示词（Prompt）是输入给大模型（LLM）的文本指令，用于明确地告诉大模型你想要解决的问题或完成的任务，也是大语言模型理解用户需求并生成准确答案的基础。因此 prompt 使用的好坏，直接决定了大

好消息，Spring AI 最新快照版已经内置 DeepSeek 了，所以以后项目中对接 DeepSeek 就方便多了。但因为快照版会有很多 Bug，所以今天咱们就来看稳定版的 Spring AI 如