Spring AI

12. 模型RAG评测 @[toc] 模型理解力评测 RAG 之所以广受欢迎，是因为它（基于检索到的真实资料）能够减少幻觉。然而， RAG 并不一定意味着幻觉会被完全消除。 现实中出现事实性幻觉的常见

11. Spring AI + ELT @[toc] ELT 在之前，我们主要完成了数据检索阶段， 但是完整的RAG流程还需要有emedding阶段， 即： 提取（读取）、转换（分隔）和加载（写入）

10. Spring AI + RAG @[toc] RAG 检索增强生成（Retrieval-augmented Generation） 对于基础大模型来说， 他只具备通用信息，他的参数都是拿公网进

9. Spring AI 当中对应 MCP 的操作 @[toc] MCP 问题： 当有服务商需要将tools提供外部使用（比如高德地图提供了位置服务tools， 比如百度提供了联网搜索的tools..

8. Spring AI tools/function-call @[toc] 链接多个模型协调工作实战 - 初代tools： 背景： 大模型如果它无法和企业API互联那将毫无意义！ 比如我们开发一个

7. Spring AI 对话记忆 + 结构化输出 @[toc] 对话记忆 大型语言模型 (LLM) 是无状态的，这意味着它们不会保留先前交互的信息。 那我们平常跟一些大模型聊天是怎么记住我们对话的呢

@[toc] 6. Advisor 对话拦截 Advisor对话拦截 Spring AI 利用面向切面的思想提供 Advisors API ， 它提供了灵活而强大的方法来拦截、修改和增强 Spring

5. Prompt 提示词 @[toc] 提示词 在生成式人工智能中，创建提示对于开发人员来说是一项至关重要的任务。这些提示的质量和结构会显著影响人工智能输出的有效性。投入时间和精力设计周到的提示可以

4. ChatClient 的初始，快速使用上手 @[toc] ChatClient ChatClient 基于ChatModel进行了封装提供了通用的 API，它适用所有的大模型， 使用ChatCl

3. Ollama 安装，流式输出，多模态，思考模型 @[toc] 接入ollama本地模型 ollama是大语言模型的运行环境 ， 支持将开源的大语言模型以离线的方式部署到本地，进行私有化部署。 这

2. Spring AI 快速入门使用 @[toc] 快速使用 创建项目 接入deepseek 依赖 获取deepseek api-key API Key：需从 DeepSeek 创建并获取 API

1. 大模型的选择详细分析 @[toc] 介绍 Spring AI 是一个面向人工智能工程的应用框架。解决了 AI 集成的基本挑战：将企业数据和API与AI 模型连接起来。 特性： 提示词工厂 可以说

Spring AI 快速接入 DeepSeek 大模型 @[toc] Spring AI 框架概述 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

LLM ，MCP协议，A2A协议，RAG，智能体(AI Agent) 图解详细讲解 @[toc] MCP 概述 两个互联网领域的重大挑战： 第一：Agent 与 Tools(工具)的交互 Agent