当 AI 返回值从纯文本变成结构化 JSON,后端就能更稳定地承接业务流程。
本文整理自早期学习笔记,发布时间按学习阶段归档。
正文
一.Diy 返回值 json
public interface AiCodeHelperService {
@SystemMessage(fromResource = "prompt.txt")
//用户隔离
String chat(@MemoryId int userId, @UserMessage String userMessage); // annotate second parameter
@SystemMessage(fromResource = "prompt.txt")
Record chatForReport(@UserMessage String userMessage);
//定义一个报告类
record Record(String name, List<String> suggestionList){};
}
有什么区别:?
第二个用于什么情况?
————————————————————-
分块
置信度
向量化
Todo 增强版:
- [ ] 分知识库:
- [ ] 修改内存向量存储:mongdb所有支持的嵌入存储比较表 | LangChain4j 中文文档
图片占位:Pasted image 20260103202025.png
二.RAG 知识库
RAG技术概述What:
先本地知识库,再用互联网的已经训练好了的数据知识
RAG的典型应用场景 Where:
- 智能问答系统:结合企业文档库,回答产品使用、政策解读等问题
- 知识图谱增强:补充生成模型的知识盲区
How:
企业端本地知识库—–>分块—–>向量化表示
客户端提问————->分块—->向量化表示—–>相似度过滤—>ai 拼接
图片占位:Pasted image 20260103132956.png
知识库在哪看出?+prompt?
Documents size
文档切片+少量上文信息怎么看出
图片占位:Pasted image 20260103200757.png
最后发给ai 什么?过滤后的
具体引用能看到吗?
能,改变返回值就行了
爬虫:Jsoup:java
三步:
Tool 提示词
工具
返回
Mcp:
护轨
可观测性:?
SSE 流式输出:回复就输出
方案一
方案二:
接口
配置文件
工厂加入
