摘要： 缓存一致性问题 计算机在运行程序时，每条指令都是在CPU中执行的，在执行过程中会涉及到数据的读写。我们知道程序运行的数据是存储在主存中，这时就会有一个问题，读写主存中的数据没有 CPU 中执行指令的速度快，如果任何的交互都需要与主存打交道则会大大降低效率，所以就有了 CPU寄存器、各级缓存、主存构成 阅读全文

摘要： 大模型“幻觉”（Hallucination）通常被解释为：模型生成了一段看似流畅、连贯、甚至很有说服力的内容，但其中包含与事实不符、与上下文不一致，或者无法被可靠依据验证的信息。 通俗地说，它就是“一本正经地胡说八道”。 但如果从工程角度看，幻觉的问题不只是“模型答错了”。真正危险的是：模型会用非常 阅读全文

摘要： 你一定见过这种场景： 你问 ChatGPT："我叫小明。" 它答："你好，小明。" 再问："我叫什么名字？" 它答："你是小明。" 看起来 AI "记住了"你——但你知道吗？大模型本身是没有记忆的。它记住你名字的唯一方法，就是你每次请求时，把之前所有对话又重新传了一遍给它。 这就是多轮对话的本质。看 阅读全文

摘要： 基于上篇文章：用 LangChain4j 手写一个能思考 + 行动的 Agent，本篇文章我们来开发SSE（Server-Sent Events）实现方式。 目录 一、SSE 流式：让 Agent 像 ChatGPT 一样"边想边说" 二、生产级要点：安全、可观测、成本控制 三、踩坑清单与调优技巧 阅读全文

摘要： 要让 AI 真正"有用"，它必须学会行动——调工具、查数据、改系统、发请求。 这一篇，我们就从 CoT 一步步演进到 ReAct（Reasoning + Acting），然后用 Java + Spring Boot + LangChain4j + SSE 从零手写一个能思考、能行动、能流式响应的 M 阅读全文

摘要： CoT 是近几年大模型"变聪明"最核心的底层机制之一，是 Self-Consistency、Tree of Thoughts、Graph of Thoughts、ReAct、Agent 的共同基石。 这篇文章我们就把 CoT 彻底拆开： 它为什么有效？背后的直觉和论文是什么？ 它有哪几类？怎么用？ 阅读全文

摘要： 最近在给一个 Spring Boot 服务接入 mTLS 时，遇到了一个比较容易误导人的问题：本地调试正常，但服务部署到 Kubernetes Pod 后，访问 mTLS 接口失败，并出现下面的异常。 Caused by: java.io.IOException: keystore password 阅读全文

摘要： 你有没有过这种感觉：同样一个问题，别人用 AI 能得到一份结构清晰、可直接用的答案；你用 AI 却只能得到一段看似正确、实则含糊的"正确的废话"？ 区别往往不在模型，而在提问的方式。 这篇文章，我们就从零开始，把 Prompt 工程（Prompt Engineering）讲透——既讲清楚"为什么这么 阅读全文

摘要： 一、先搞懂：AI Agent 到底是什么？ 1.1 一句话定义 Java AI Agent = 大模型的“脑子” + Java 工程的“手和脚”。 很多人以为接入大模型就是"调一次 HTTP 接口，拿到回复，展示给用户"。这其实只是 Chatbot（聊天机器人），并不是 Agent（智能体）。 普通 阅读全文

摘要： String、StringBuffer、StringBuilder 这三个类是 Java 字符串处理的核心类，本质区别：String 不可变，StringBuffer/StringBuilder 可变，底层源码围绕「字符数组存储」「不可变/可变设计」「线程安全」三大核心实现。 一、核心前置知识 底层 阅读全文