AI智能体平台深度拆解（一）：当LangGraph遇上Spring AI——我们如何打造企业级AI流程编排引擎？
6大Agent协作模式 + 原生MCP集成 + User-in-the-Loop，从"对话"到"执行"只差一个流程 💡 不想看长篇文字？ 文中所有功能均可在在线演示环境中亲身体验 → 电脑端打开地址立即体验：https://ai.qztechcloud.co……
包含标签 提示词 的文章
JetBrains AI账单每月烧掉数百万美元，首批成本控制措施出炉
JetBrains在2025年第一季度财报电话会上透露，其AI驱动的开发工具每月烧掉数百万美元，迫使公司推出首批成本控制措施。这些措施包括限制AI请求频率、优化模型调用策略，并计划推出按量付费的AI功能。 AI支出失控：JetBrains的账单有多高？ JetBrains没有公布具体……
MQTT 只是入口：AI Agent 时代，IoT 平台要沉淀这五类资产
这组文章从 MQTT 写起。 设备消息进入平台后，我们陆续讨论了事件语义、设备说明书、异常处置、上下文、执行责任和云边分工。还有一个问题没有回答：这些能力最后会在 IoT 平台里留下什么？ 可以从一次平台迁移说起。 一家企业准备更换用了多年的 IoT 平台。MQTT、Modbus、OPC UA 都能重新接入，网关配置……
RAG文档处理与切分策略：6种分块方式对比，80_的检索问题从这里解决
上一篇我说过，80%的RAG项目问题出在检索和文档处理，而其中又有40%直接出在切分环节。你可能不信——切分不就是按字符数切嘛，能有多大事？ 我之前帮一个团队做法律知识库，他们用的固定512字符切分，结果一份合同里的"甲方权利"和"甲方义务"……
RAG检索增强生成全解析：从Naive到Advanced，搞懂知识库问答的核心逻辑
你有没有遇到过这种情况：让大模型回答公司内部文档的问题，它要么编答案，要么说"我不清楚"？你花了几万块买的GPT-4 API，结果在业务场景里跟个摆设一样。 这就是大模型的两个致命缺陷：幻觉（一本正经胡说八道）和知识截止（不知道训练之后发生的事）。RAG（Retr……
万字详解：AI Agent 系统架构设计
设计主动智能系统（一）：智能体架构 架构概览 主动智能系统在三个逻辑层面上运作： 工具层 、 推理层 和 行动层 。 每一层在使智能体能够有效检索、处理和行动信息方面都扮演着特定角色。 理解这些层之间的交互对于设计功能性和可扩展的系统至关重要。 工具层： 系统的基础。 此层与外部数据源和服务交互，包括 AP……
你的RAG系统到底好不好？4个指标说清楚
你有没有过这种经历：改了切分策略，感觉检索效果好了一点但说不上来好多少；换了个Embedding模型，有些问题答得更好了但有些变差了；上线之后用户反馈"感觉不如以前了"，但你看代码什么都没改。 这就是没有评估体系的典型症状——优化全凭感觉，改了不知道好了没有，出……
别再只用向量检索了！RAG混检+Rerank提升40_
前三篇我们把RAG的地基打好了——原理搞清楚了、文档切对了、Embedding和向量库选好了。但如果你只用纯向量检索，大概率还是会遇到这些问题： 用户问"2025年差旅报销标准"，检索结果里混进了2023年的旧文档；问"年假申请流程"，返回的……
同样RAG，换个Embedding召回率从62_飙升到89_
前两篇讲了RAG的核心原理和文档切分，这篇进入RAG的"心脏"——Embedding和向量数据库。 你可能觉得Embedding不就是调个API把文本转成向量嘛，选哪个都差不多。我之前也是这么想的，直到我在一个金融知识库项目里换了Embedding模型，检索准确……
第4期｜Spring AI 实战 Demo：从零搭建一个完整的汽车售后智能客服 Agent（含 RAG Tool Calling Memory MCP Client）
上一期对比了 Spring AI、LangChain4J、AgentScope Java 2.0，结论是：默认选 Spring AI。这一期，我用 Spring AI 把它落到代码里——一个可以跑起来的售后智能客服 Agent。 一、开篇：为什么选「智能客服」作为第一个 Demo？ 前面三期，我一直在讲售后六站编排：接车 → 历史 → 开单 → 诊断 → 维……
