linmoo2006-CSDN博客

原创 Spring AI 系列之四十 - Spring AI Alibaba-集成百炼智能体

本章演示了如何使用Spring AI Alibaba集成百炼平台的智能体，这样对于实际应用开发来说是非常迅速的，这就是Spring AI Alibaba框架的优势之一。好了，本次对于Spring AI Alibaba的内容已经讲完了，虽然还有些内容没有讲到，但是相信你看文档也能够很快掌握。关于Spring AI的章节也就完整讲完了，本次系列就到此结束。Spring AI系列上一章：《

2025-08-08 15:51:35 910

原创 Spring AI 系列之三十九 - Spring AI Alibaba-集成百炼知识库

本章演示了如何使用Spring AI Alibaba集成百炼平台的知识库，这样对于实际应用开发来说是非常迅速的，这就是Spring AI Alibaba框架的优势之一。下一章将讲如何集成百炼平台的线上智能体。Spring AI系列上一章：《

2025-08-08 15:49:47 1122

原创 Spring AI 系列之三十八 - Spring AI Alibaba-Tool Calling

本章讲解了Spring AI Alibaba的Tool Calling的生态，可以看出在Spring AI的基础上，Spring AI Alibaba扩展了很多插件，这样也是丰富了Spring AI的生态，对于java用户来说是一个很好的福音。Spring AI系列上一章：《

2025-08-07 08:33:36 841

原创 Spring AI 系列之三十七 - Spring AI Alibaba-DocumentReader

本章讲解了Spring AI Alibaba的DocumentReader生态，可以看出在Spring AI的基础上，Spring AI Alibaba扩展了很多插件，这样也是丰富了Spring AI的生态，对于java用户来说是一个很好的福音。Spring AI系列上一章：《

2025-08-07 08:30:08 869

原创 Spring AI 系列之三十六 - Spring AI Alibaba-nl2sql

本章通过讲解nl2sql使用方式，可以让用户便捷的搭建一个nl2sql智能体。但是nl2sql只能算是一个实现代码框架，还不能算是一个真正的智能体，

2025-08-05 16:02:55 1303

原创 Spring AI 系列之三十五 - Spring AI Alibaba-Graph框架之MCP

本章演示了Graph中如何访问MCP服务，可见其架构的可扩展性，在Spring AI Alibaba中有一个com.alibaba.cloud.ai.graph.node.McpNode的MCP访问节点实现，但是该节点只是一个固定MCP访问，即需要传入方法和参数，并没有配置大模型。如果你构建的Graph中只是简单调用MCP服务，则可以直接使用com.alibaba.cloud.ai.graph.node.McpNode节点。

2025-08-05 16:00:56 1540

原创 Spring AI 系列之三十四 - Spring AI Alibaba-Graph框架之并行执行

本章通过并行执行示例，演示了Graph的并行执行能力，并通过分析其底层原理，知道其通过ParallelNode实现最终的并行。下一章将继续讲Graph框架的另外一个功能MCP。Spring AI系列上一章：《

2025-08-04 10:18:02 765

原创 Spring AI 系列之三十三 - Spring AI Alibaba-Graph框架之人类反馈

本章通过一个更为复杂的示例，演示了Spring AI Alibaba-Graph框架的强大之处，最后分析了Graph的底层原理，让用户可以了解Graph的工作方式，其中着重了解了中断机制以及NodeAction 和 EdgeAction 的作用。下一章还将继续探索Graph的其它功能。Spring AI系列上一章：《

2025-08-04 10:14:41 996

原创 Spring AI 系列之三十二 - Spring AI Alibaba-Graph框架之入门

本章通过讲解Graph框架，初步认识构建一个工作流或者智能体的基本流程。这就是Spring AI Alibaba相对于Spring AI 的重要扩展之一。接下来几章，将展现Graph框架不同的节点和工作流，配合更复杂一点的功能，让你认识一下Spring AI Alibaba的Graph框架强大Spring AI系列上一章：《

2025-08-03 09:57:14 1333

原创 Spring AI 系列之三十一 - Spring AI Alibaba-基于Nacos的MCP

本章通过一个基于Nacos的MCP服务端和MCP客户端，演示了Spring AI Alibaba-基于Nacos的MCP实现方法，当然Spring AI Alibaba-基于Nacos的MCP是一种企业级的应用模式，详情可以参考。

2025-08-03 09:55:21 1266 2

原创 Spring AI 系列之三十 - Spring AI Alibaba-其它模型

通过本章演示不同类型大模型的使用，相信用户现在可以知道Spring AI Alibaba的价值。下一章继续讲解Spring AI Alibaba基于企业级应用实践的一个扩展点：基于Nacos的MCPSpring AI系列上一章：《

2025-08-01 10:05:41 1290

原创 Spring AI 系列之二十九 - Spring AI Alibaba-聊天记忆

本章演示了Spring AI Alibaba扩展的Redis存储，通过引入Spring AI Alibaba可以实现更多的存储类型。下一章将演示Spring AI Alibaba如何使用其它类型的大模型Spring AI系列上一章：《

2025-08-01 10:04:22 1028

原创 Spring AI 系列之二十八 - Spring AI Alibaba-基于Nacos的prompt模版

本章通过演示Spring AI Alibaba-基于Nacos的prompt模版，并简单解析了其实现原理。下一章将讲解Spring AI Alibaba对于聊天记忆的扩展。Spring AI系列上一章：《

2025-07-31 09:59:48 1102

原创 Spring AI 系列之二十七 - Spring AI Alibaba-入门

开源项目基于 Spring AI 构建，是阿里云通义系列模型及服务在 Java AI 应用开发领域的最佳实践，提供高层次的 AI API 抽象与云原生基础设施集成方案，帮助开发者快速构建 AI 应用。如果学了Spring AI，那么Spring AI Alibaba几乎零成本就可以上手，同时还可以使用其应用开发领域的最佳实践方法。其github地址其官方文档：基于 Spring AI Alibaba Graph 开发者可快速构建工作流、多智能体应用，无需关心流程编排、上下文记忆管理等底层实现。

2025-07-31 09:57:38 1019 2

原创 Spring AI 系列之二十六 - 可观测

本章讲解了Spring AI的可观测，其各个部分都有可观测的数据，当然Spring AI还提供可扩展性监测，这个就不做演示。至此，关于Spring AI部分就已经讲完了，但是对于很多中国的开发者来说，Spring AI的设计和偏向对于中国开发者来说不是很友好，因此下面还会讲一个Spring-AI-Alibaba框架，这个对中国的开发人员可能会比较关注。Spring AI系列上一章：《

2025-07-30 09:09:08 1033

原创 Spring AI 系列之二十五 - Evaluation模型评估

本章通过演示Spring AI框架中Evaluation模型评估模块，这在实际业务场景使用是非常有用的。下一章将讲解Spring AI 的最后一部分：可观测性。Spring AI系列上一章：《

2025-07-30 09:05:22 932

原创 Spring AI 系列之二十四 - ModerationModel

本章讲述了什么是内容审核模型，并对Spring AI 中的ModerationModel相关类和接口进行讲解。最后通过使用Mistral模型演示了效果。看到有内容审核模型，有朋友可能会想到大模型经常出现幻觉，那么应该就有评估是否存在幻觉的测试，Spring AI也提供了Evaluation这样的模块实现模型评估测试，下一章将着重介绍这一部分的使用。Spring AI系列上一章：《

2025-07-24 16:10:50 924

原创 Spring AI 系列之二十三 - AudioModels

本章讲了Spring AI的AudioModels音频模型，很遗憾由于目前音频的各个模型厂商还没有形成一个统一规范，因此Spring AI也没有做出太多封装，而且目前接入的只有一个Open-AI音频模型。不过相信后面会越来越好。Spring AI系列上一章：《

2025-07-24 16:07:32 937

原创 Spring AI 系列之二十二 - ImageModel

本章介绍Spring AI的ImageModel，包括其源码、参数和返回值。同时也通过示例演示如何访问智谱的图像模型，可以看出Spring AI对于图像模型也是封装了一个非常简便的ImageModel，让用户无需关心底层的访问逻辑。下一章将继续讲非聊天大模型之音频大模型。Spring AI系列上一章：《

2025-07-23 15:49:59 1381

原创 Spring AI 系列之二十一 - EmbeddingModel

首先在人类社会中使用的文字、图片、音频、视频等数据，如何让大模型识别。计算机只会识别0和1，那么这时候要让计算机识别文字，就需要把所有文字进行编码，以中文为例比如00001代表男，00002代表女，这样每个字都有一个编码。虽然编码可以让计算机识别，但是还是有缺点的。最大的缺点就是文字之间是有一定的关联关系，也就是说每个字独立编码，那么机器是不理解文字之间的关系，为了解决这个问题，分词就出现了。为了解决文字之间的关系。这时候就有人想到使用Tokenizer 分词器。

2025-07-23 15:47:23 973

原创 Spring AI 系列之二十 - Hugging Face 集成

本章说明了Hugging Face社区，并通过在其云端部署qwen模型。然后通过Spring AI的客户端进行访问。Hugging Face是一个大模型开发者绕不开的社区，所以要做大模型的朋友，可以多关注该网站。下一章开始，将进入Spring AI中集成非聊天大模型的讲解，比如embedding模型、图像模型等等Spring AI系列上一章：《

2025-07-22 15:20:57 1023

原创 Spring AI 系列之十九 - Ollama集成Deepseek

本章演示了如何使用Ollama部署大模型，并通过Spring AI进行访问。Ollama通过统一规范，让不同厂商的大模型统一化，这个对后续应用非常友好，因此现在很多人都喜欢使用该方式部署大模型，因此了解Ollama以及Spring AI 如何使用非常重要。下一章继续讨论如何使用huggingface部署大模型。

2025-07-22 15:16:31 793

原创 Spring AI 系列之十八 - ChatModel

本章通过解析ChatModel源码，并通过几个示例演示了不通过ChatClient的方式使用ChatModel。虽然一样可以实现，但是如果遇到如RAG、MCP等复杂场景，其使用便捷度就没有ChatClient那么高。ChatModel聊天大模型是比较规范和成熟的模型，因此在Spring AI中有很多不同厂商的实现，下两章将针对聊天大模型比较常用的2种部署模式进行讲解。Spring AI系列上一章：《[Spring AI 系列之十七 - ChatClient源码解析。

2025-07-21 15:07:21 956

原创 Spring AI 系列之十七 - ChatClient源码解析

本章通过解析ChatClient的创建流程和底层源码，可以知道ChatClient其实是封装了一套基础调用聊天大模型的框架，其底层是通过ChatModel进行调用聊天大模型，而ChatModel就是Spring AI对不同厂商聊天大模型的一个抽象接口，各大厂商将在其基础上实现自己的ChatModel封装。而在上层之所以再次封装ChatClient的API是因为聊天大模型应用场景较为成熟，因此通过封装ChatClient来实现MCP、RAG等规范功能，方便用户使用。

2025-07-21 15:01:47 1066

原创 Spring AI 系列之十六 - RAG-ETL之三

本章演示了Spring AI的ETL功能Writers模块。到目前为止，关于Spring AI的基本使用就已经讲完大部分，但是关于Spring AI更高阶的使用，后面章节会继续讲解。不过在此之前，可能要先了解一下Spring AI的基本源码，对于后面功能的使用有更好的理解。因此从下一章开始，会从ChatClient开始讲解源码。

2025-07-17 10:21:44 415

原创 Spring AI 系列之十五 - RAG-ETL之二

本章针对Spring AI的ETL中Transformers模块的讲解和演示，整体来说，其文档分块功能还是有待提升，不像Langchain4j 那样继承了Langchain的多种文档分块的算法，不过相信后面慢慢会补充完善，当然，你也可以自定义文档分块来实现Langchain4j 中的一些算法。下一章将继续讲解Spring AI中ETL最后一块功能Writers。

2025-07-17 10:20:24 1009

原创 Spring AI 系列之十四 - RAG-ETL之一

本章介绍了Spring AI的ETL框架，其很好支持RAG的开发。并着重对DocumentReaders部分的各个插件进行示例演示。下一章将继续讲解Spring AI的ETL框架中的Transformers和Writers模块。

2025-07-16 10:15:37 856

原创 Spring AI 系列之十三 - RAG-加载本地嵌入模型

本章演示了如何通过本地加载embedding模型，当然包括大模型也可以本地化部署，这样就可以实现RAG过程中完全本地化。下一章还会继续对Spring AI中RAG的功能进行探讨。

2025-07-16 10:14:00 1617

原创 Spring AI 系列之十二 - RAG-进阶RetrievalAugmentationAdvisor案例

*** 一个RRF算法*/// 阻尼常数 k// 计算多路检索结果的 RRF 融合分数// 遍历每个检索系统结果rank++) {// 假设 Document 有唯一 ID// 记录文档对象（避免重复创建）// 累加 RRF 分数：1/(k + rank)// 按 RRF 分数降序排序。

2025-07-15 09:09:03 1013

原创 Spring AI 系列之十一 - RAG-进阶RetrievalAugmentationAdvisor

本章针对Spring AI的RAG模块RetrievalAugmentationAdvisor进行详细的说明，同时对每个模块的功能进行了演示。下一章通过一个整合的完整案例，演示RetrievalAugmentationAdvisor的整体流程。

2025-07-15 09:07:13 1301

原创 Spring AI 系列之十 - RAG-进阶QuestionAnswerAdvisor

本章讲解的简单版RAG的实现QuestionAnswerAdvisor，并对其内部原理进行解析。但是对于一个真正的RAG来说，QuestionAnswerAdvisor还是远远没法满足条件。下一章将讲解RetrievalAugmentationAdvisor。

2025-07-14 09:01:10 921

原创 Spring AI 系列之九 - RAG-入门

本章讲解了RAG的原理，并通过Spring AI一个入门示例，就实现了RAG的功能。从示例可以看到Spring AI对RAG的封装后，对用户的使用十分简便。关于Spring AI实现RAG还有更深入的功能，接下来几章会详细讲解。

2025-07-14 08:59:54 1043

原创 Spring AI 系列之八 - MCP Server

本章演示通过2种方式建立了MCP-Server服务，对于MCP的内容还比较多，这里只是一个入门。如果对这一块感兴趣的朋友，需要先研究一下MCP协议，里面涉及的配置也可以参考。

2025-07-10 17:30:05 954

原创 Spring AI 系列之七 - MCP Client

先来看看官方文档的定义：翻译过来就是：MCP 是一种开放协议，它规范了应用程序如何为大型语言模型提供上下文。可以把 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为您的设备连接各种外设和配件提供了标准化方式一样，MCP 也为 AI 模型连接不同的数据源和工具提供了标准化方式。上下文标准化不同的数据源和工具。1）工具对外提供服务统一化：解决不断增长的各式各样的工具，大模型可以直接接入，无需适配各种工具。

2025-07-10 17:27:20 1392

原创 Spring AI 系列之六 - 工具调用

在Spring AI中定义工具有两种方式以下代码参考lesson07子模块以声明方式使用注解@Tool以编程方式，使用MethodToolCallback注意1）Optional2）异步类型 (比如：CompletableFuture, Future)3）响应式类型(比如：Flow, Mono, Flux)4）函数类型 (比如：Function, Supplier, Consumer).以编程方式，使用FunctionToolCallback以声明方式使用注解@Bean注意。

2025-07-09 14:25:15 1067

原创 Spring AI 系列之五 - 聊天记忆之自定义

代码参考lesson06子模块1）自定义Repository@Override@Override@Override// 由于每次的messages都会获取到之前的数据，因此要先删除，在插入@Override2）创建RedisMemoryController 进行演示.defaultAdvisors(MessageChatMemoryAdvisor.builder(chatMemory).build()) // 通过不同角色Message方式传递聊天记忆。

2025-07-09 14:24:04 1157