个人随笔
SpringBoot 内部审批系统：工作流架构与权限落地要点
核心判断内部审批系统里，工作流引擎只做一件事：按流程定义驱动节点流转。业务数据、组织角色、审批人计算、消息通知，全部留在业务系统。把这条边界划清，后面所有问题——流程怎么配、权限怎么控、通知发给谁——都会变得简单；划不清，就会出现流程定义随组织架构频繁改、业务字段塞满流程变量、越权审批无法追溯这三个典型烂尾。落到具体做法上，有三个决定性的选择：数据用「业务表 + 关联表 + 引擎表」三层解耦...
 系统架构师  2026-11-10 23:26:08
一个业务系统偶尔访问会白屏的bug处理和解决
背景我们有个业务系统，过几个星期就有用户访问是白屏，不管用微信还是QQ还是其它浏览器都是白屏，然后查看日志也完全看不到请求进来，问运维是不是防火墙拦截了运维直接否认，也找不到证据，但是用户只要切换网络或者开飞行模式或者连别人的热点貌似又正常了。推测如果是系统异常，那么不可能切换网络开热点就可以了，切换网络连热点对应的就是ip的变化，肯定是原ip加入黑名单了。验证刚好有一个用户白屏，马上让他获...
 前端框架  2026-11-09 17:57:15
Spring AI 2.0 简单学习总结篇
本系列共 10 篇笔记，记录了从零开始上手 Spring AI 2.0 的完整路径：环境搭建 → 提示词 → 结构化输出 → 会话记忆 → 工具调用 → Advisor → 嵌入模型 → 向量数据库 → RAG → MCP。本文是收官总结，串联所有知识点并沉淀踩坑经验。一、整体知识地图Spring AI 的核心思路是：用 Spring 的方式（自动装配、Bean、链式 API）把”调大模型”...
 Spring  2026-11-04 23:15:55
SpringAI2.0MCP的简单使用
模型上下文协议（MCP）是一种标准化协议，使 AI 模型能够以结构化的方式与外部工具和资源进行交互。您可以将其视为连接您的 AI 模型与现实世界的桥梁——通过一致的接口，让它们访问数据库、API、文件系统及其他外部服务。它支持多种传输机制，可在不同环境中提供灵活性。SpringAI2.0提供了MCP的服务端实现和客户端实现，这里要用两个项目一、服务端1、依赖pom.xml<?xml vers...
 Spring  2026-11-04 23:09:34
SpringAI2.0RAG的简单使用
检索增强生成（RAG）是一种有助于克服大型语言模型局限性的技术，这些局限性主要体现在处理长篇内容、确保事实准确性以及保持上下文感知能力方面。Spring AI 使用AdvisorAPI为常见的 RAG 流程提供开箱即用的支持。一、简单理解流程1、获取用户输入2、将用户输入调用模型转成向量3、根据向量去向量数据库查询相似的内容4、一起把内容发送到大模型5、返回结果二、简单例子向量数据库就用上节...
 Spring  2026-11-04 22:25:19
SpringAI2.0向量数据库的简单使用
向量数据库是一种专用类型的数据库，在AI应用中发挥着至关重要的作用。在向量数据库中，查询方式与传统关系型数据库不同。它们不进行精确匹配，而是执行相似性搜索。当提供一个向量作为查询时，向量数据库会返回与该查询向量“相似”的向量。一、向量数据库SpringAI支持很多种向量数据库,使用起来都比较简单根据官网加入依赖设置配置就可以了。Azure 向量搜索- 这是Azure向量存储。Apache C...
 Spring  2026-11-04 21:46:58
SpringAI2.0嵌入模型（Embeddings Model）的简单使用
Embeddings Model（嵌入模型）：嵌入技术通过将文本、图像和视频转换为浮点数数组（称为向量）来实现。这些向量旨在捕捉文本、图像和视频的语义信息。嵌入数组的长度被称为向量的维度。通过计算两段文本的向量表示之间的数值距离，应用程序可以确定用于生成嵌入向量的对象之间的相似性。这里通常可以用向量的余弦相似度来计算，结果越大越相似。一、简单例子1、配置嵌入模型要在配置文件中指定,这里用的是...
 Spring  2026-11-04 20:22:07
SpringAI2.0工具调用的简单使用
工具调用——即AI模型调用应用程序定义的函数并根据其结果采取行动的能力——是智能体型AI系统的核心构建模块。只能生成文本的模型只是聊天机器人；而能够发现信息、采取行动并循环执行直至达成目标的模型才是智能体。一、目的工具主要用于两个广泛的目的：信息检索——通过数据库、网络服务、文件系统或搜索引擎中的数据来扩充模型的知识。示例：获取当前天气、查询客户记录、查阅最新新闻。采取行动— 在您的系统中执...
 Spring  2026-11-03 22:15:59
SpringAI2.0聊天记忆的简单使用
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。当您希望在多次交互中保持上下文或状态时，这可能成为一个局限。为了解决这个问题，Spring AI 提供了聊天记忆功能，使您能够在与 LLM 的多次交互中存储和检索信息。一、简单例子下面就以将聊天记忆放在内存中举个例子@Configurationpublic class AIConfigration {@Autowiredp...
 Spring  2026-11-03 21:55:36
SpringAI2.0结构化输出的简单使用
大型语言模型是“输入文本、输出文本”的系统。一旦下游代码需要根据某个字段进行路由、持久化某个值，或基于结果做出分支决策，这些文本就必须被转换为具有明确类型的记录。结构化输出正是弥合这一鸿沟的手段：模型被引导生成符合特定模式的文本，而应用程序则将其解析回类型化的对象，以便代码库中的其他部分能够像处理任何其他领域类型一样对其进行操作。Spring AI 直接在上公开结构化输出ChatClient...
 Spring  2026-11-03 21:12:27
首页<1/1581,573>尾页
有疑问发邮件到 : suibibk@qq.com 侵权立删
Copyright : 个人随笔   备案号 : 粤ICP备18099399号-2