大模型

第 6 章 上下文工程（Context Engineering） 上一章我们掌握了 Prompt Engineering。但 Prompt 只是"当前输入"，大模型还能看到"历史对话"。如何管理这些历

第 5 章 Prompt Engineering——与大模型高效沟通 上一章我们学会了如何调用大模型 API。但调用只是开始，怎么写 Prompt 才能得到好结果，这才是关键技能。 Prompt En

第 4 章 大模型 API 快速上手 前三章建立了认知基础。这一章正式动手，但我们不会在代码细节上浪费时间——10 年+的后端经验意味着你第一次看到 SDK 调用就能读懂。本章的重点在于理解大模型 A

第 3 章 主流大模型产品与服务全览 前两章我们搞懂了大模型"是什么"和"怎么工作"。这一章，我们来解决一个更实际的问题：市面上这么多大模型，我该用哪个？ 作为后端工程师，你选数据库时会考虑：MySQ

第 2 章 大模型的运作原理（只需知道这些） 上一章我们搞清楚了大模型"是什么"和"从哪里来"。这一章，我们要搞懂它"怎么工作"——或者说，作为使用者，你必须知道的那些核心概念。 你不需要推导反向传播

第 1 章 大模型的前世今生 作为一名后端工程师，你大概已经经历过几次技术浪潮：从 J2EE 到 Spring，从单体应用到微服务，从 REST API 到 GraphQL，从 MySQL 到分布式数

大模型赋能业务开发：后端工程师的AI落地指南 读者画像：有 5 年以上后端开发经验，算法基础偏弱，希望系统掌握大模型技术栈，读完后能独立设计和落地大模型业务应用。 前言 为什么后端工程师现在必须了解大

A2A协议：大模型Agent之间的通信标准 前言 随着大模型技术的快速发展，AI Agent（智能体）正在成为下一代软件系统的重要组成单元。一个有趣的现象是：当单个Agent能力越来越强时，人们开始思

使用LangGraph4j/Spring AI构建智能问诊Agent：医疗问诊的工程化实践 引言：医疗问诊的智能化挑战 传统医疗问诊流程面临着严重的效率瓶颈。患者往往缺乏医学专业知识，无法系统性地描述

面向刚入行的 Java 程序员，介绍如何使用 Spring AI 和 LangGraph4j 框架构建一个完整的 AI 搜索 MultiAgent 系统。

LLM应用幻读问题全生命周期解决方案：企业级实战案例与最佳实践 在企业级大模型落地过程中，幻觉问题始终是横亘在技术与业务之间的最大阻碍。虚构数据、编造规则、无依据推理、错误引用，不仅会降低用户信任，更