AI应用开发

Dify 本周又发布了一个实用的大版本，直接从 V1.4.3 版本干到 V1.5.0 了，那问题来了，这次更新了哪些内容呢？接下来我们一起来看。 官方给这次更新的定义是：一个简洁、强大的更新，通过简化

在 Spring AI Alibaba 程序中，我们可以直接使用本地程序调用百炼平台的云知识库，实现知识库文档解析、分块、向量化存储等一条龙服务。 这样，开发者就不用本地部署搭建向量数据库、不用进行复

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

在 Spring AI/Spring AI Alibaba 框架中，ChatModel 和 ChatClient 都可以实现大模型的文本生成功能，例如聊天机器人，但二者是两种不同层级的 API 封装，

做自媒体行业的同学都知道，制作一条可发布的视频成本是很高的，通常我们需要先录制原始视频，而录制原始视频的时间通常是发布视频时长的 3-5 倍，之后还需要花费很长的时间剪辑，最终才能制作一条可发布的视频

在 Dify 的使用中，有很多很实用并且很好玩的案例，例如今天给大家介绍这个“AI邮件批量发送器”。 在没有 Dify 之前，我们要实现邮件的批量发送是件很难的事，不但要写很长的代码，还要配置很多参数

很多情况下，我们需要升级 Dify 版本以获得新的功能和性能的提升，同时还能确保系统的安全性、稳定性和兼容性，从而更好地满足用户的需求。 那问题来了，怎么升级 Dify 版本呢？ 接下来，我们以 Do

有了 AI 之后，我们在查询数据库的时候就不需要使用数据库客户端或程序（如 Java、Python）来查询了，我们可以直接使用 AI 来查询数据库，并且查询语句都不用你来写了，AI 会自动帮你生成。

在一些复杂的业务中，我们可能需要使用 Dify 调用外部程序（如 Java 程序），因为这样才能满足业务的特殊需求。 例如，当我们使用 Dify 实现“AI 简历自动筛选器”的时候，我们首先会使用 A

Dify 可以通过插件实现 MCP 服务调用，而被调用的 MCP 服务基本可以分为以下两类： 通用 MCP 服务（非本地 MCP 服务）。 本地 MCP 服务。 当你会用 Dify 调用本地 MCP

使用 Dify 搭建 AI 图片生成助手并不是什么难事，而且不需要你会编程知识，也能轻松实现。 但是，Dify 在搭建 AI 图片生成助手的过程中会遇到很多坑，例如以下这些： 有些组件随着时间的推移，

Dify 内置了两种 Agent 策略：Function Calling 和 ReAct，但二者有什么区别呢？在使用时又该如何选择呢？接下来我们一起来看。 1.Function Calling Fun

在 Dify 工作流（Workflow 和 Chatflow）的实现中，“变量”做为最基础、最核心的组件发挥着不可或缺的作用，因为它承载了不同节点间数据传递的作用。 也就是说，我们在实现 Workfl

Dify 中的工具是指其平台内置或支持集成的功能插件，用于扩展 AI 应用的能力。 1.工具作用 扩展 LLM 的能力：工具可以赋予 LLM 连接外部世界的能力，例如联网搜索、科学计算、绘制图片等。例

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