java相关技术文档
Spring AI Alibaba 技术博客系列 | 2026-05-03 本文深入讲解 Embedding 向量嵌入的核心概念、原理、以及在 Spring AI Alibaba 中的完整使用方式。这是进入 RAG（检索增强生成）世界的关键前置知识。 Embedding（向量嵌入）是将文本、图像等高维非结构化数据转换为低维稠密向量（Dense Vector）的技术。转换后的向量保留了原始数据的语义信息——语义相近的文本，其向量在空间中的距离也更近。 举个直观的例子： "猫是一种可爱的动物" → [0.12,…
Continue reading...系列： Spring AI Alibaba 技术博客系列 日期： 2026-05-02 难度： ⭐⭐⭐⭐ 前置知识： ChatModel 基础使用、Prompt 工程、Function Calling 基础 在 AI 应用开发中，用户最常遇到的痛点之一就是等待时间过长。当用户向 AI 发送一个问题时，大模型需要数秒甚至数十秒才能生成完整的回复。如果采用传统的同步请求-响应模式：…
Continue reading...系列第7篇 | 2026-05-01 | 作者：老兰 大语言模型（LLM）本质上是一个无状态的函数。每次调用时，模型只看到当次请求传入的完整 Prompt 上下文，它不会记住上一次对话说了什么。这就意味着： 用户：我喜欢吃川菜 AI： 川菜很棒！你喜欢哪种？ 用户：推荐一家吧 AI： 推荐什么？（❌ 不知道上下文） 如果不在每次请求中把历史对话一并发送，模型就会”失忆”。 最朴素的做法是开发者自己维护一个消息列表，每次请求时拼接历史： // 手动管理 -…
Continue reading...系列： Spring AI Alibaba 技术博客系列 日期： 2026-04-30 难度： ⭐⭐⭐⭐⭐ 前置知识： ChatModel 基础使用、Prompt 工程、系统提示词最佳实践 在 Function Calling 出现之前，大型语言模型本质上是一个”语言生成器”——它只能根据输入生成文本回复。这意味着： Function Calling 彻底改变了这一点。…
Continue reading...系列： Spring AI Alibaba 技术博客系列 日期： 2026-04-29 难度： ⭐⭐⭐⭐ 前置知识： ChatModel 基础使用、Prompt 工程与模板引擎 在大型语言模型（LLM）的对话系统中，消息并非简单的”一问一答”，而是具有严格的角色分层。理解这些角色的职责边界，是构建高质量 AI 应用的第一步。 这三者的关系可以用一个精妙的比喻来理解： 很多开发者在初期会犯一个常见错误：把所有内容都塞进用户提示词里。这会导致： Spring AI…
Continue reading...系列： Spring AI Alibaba 技术博客系列 日期： 2026-04-28 难度： ⭐⭐⭐ 前置知识： ChatModel 基础使用、AI Model 体系 Prompt 工程（Prompt Engineering）是一门研究如何设计和优化输入提示词（Prompt），以引导大语言模型生成高质量、符合预期输出的技术与艺术。 在 Spring AI…
Continue reading...系列导读：本文是《Spring AI Alibaba 30 天技术博客》系列的第 3 篇。在了解了 Spring AI Alibaba 的整体架构和 Model 体系之后，今天我们将动手写第一个真正的 AI 应用——使用 ChatModel 完成与通义千问的对话交互。 读完本章，你将能够： 我们使用 Spring…
Continue reading...系列导读：本文是《Spring AI Alibaba 30 天技术博客》系列的第 2 篇。我们将从架构层面深入剖析 Spring AI Alibaba 的 AI Model 体系，理解其核心抽象、接口设计、类继承关系以及不同模型类型的工作原理。 上一篇：第1天 - Spring AI Alibaba 简介与环境搭建…
Continue reading...Spring AI Alibaba 简介与环境搭建 系列文章第1篇 | 预计阅读时间：20分钟 | 难度：⭐ 本文带你从零开始，全面了解 Spring AI Alibaba 是什么、为什么选它、以及如何搭建第一个可运行的 AI 应用开发环境。 Spring AI Alibaba 是阿里巴巴开源的、基于…
Continue reading...