寻道AI小兵
码龄16年
求更新 关注
提问 私信
  • 博客：2,239,208
    社区：302
    问答：15
    动态：85,852
    视频：4,647
    2,330,024
    总访问量
  • 820
    原创
  • 170
    排名
  • 65,611
    粉丝
  • 591
    关注
IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）
IP 属地：广东省
加入CSDN时间： 2010-05-17

个人简介：10年+互联网架构师，聚焦AI大模型开发实战，分享前沿技术，解锁AI新技能，共探智能未来！

博客简介：

寻道AI，探索AI无限可能！

博客描述：
探索未知，分享所知。作为一名系统架构师，我曾带领团队打造多个行业领域的系统平台。如今，我正踏上AI大模型的探索之旅，期待与你一起成长，迎接技术的未来。
查看详细资料
个人成就
  • 优质创作者: 人工智能技术领域
  • 获得36,391次点赞
  • 内容获得16,832次评论
  • 获得33,281次收藏
  • 代码片获得41,398次分享
  • 原力等级
    原力等级
    9
    原力分
    18,119
    本月获得
    117
创作历程
  • 108篇
    2026年
  • 430篇
    2025年
  • 282篇
    2024年
成就勋章
TA的专栏
  • AI大模型从零基础到企业级开发落地
    付费
    54篇
  • AI大模型预训练微调进阶
    付费
    30篇
  • DeepSeek入门到精通(实战指南）
    付费
    26篇
  • Qwen开发部署微调实战
    付费
    39篇
  • AI大模型Spring AI开发实战
    付费
    43篇
  • 大模型工程化实战（从Demo到生产）
    4篇
  • LangChain4j Java AI应用开发实战
    30篇
  • GitHub开源AI项目精选
    229篇
  • AI大模型 - 前沿技术追踪
    234篇
  • AI大模型 - 具身智能前沿
    20篇
  • AI大模型 - MCP探索实践
    24篇
  • 国产开源大模型开发实战手册
    65篇
  • GLM开发部署微调实战
    25篇
  • AI Agent与RAG开发实战
    13篇
  • AI大模型ms-swift框架实战指南
    13篇
  • AI大模型提示工程完全指南
    16篇
  • 技术人生之路
    22篇

TA关注的专栏 3

TA关注的收藏夹 0

TA关注的社区 40

TA参与的活动 23

兴趣领域 设置
  • 编程语言
    pythonjava
  • 人工智能
    机器学习人工智能语言模型
  • 学习和成长
    程序人生
  • AIGC
    chatgptAIGCAI编程langchainagi
探索AIGC新天地，互助共赢创未来！
技术一起搞，点子一起碰
寻找技术之道，欢迎同好一起交流探讨

bj

扫码，欢迎技术小伙伴交流、探讨思路，一起进步
创作活动更多

编程达人挑战赛·第12期

作为写代码的你，是否也渴望被更多人看到？技术人员普遍有一个共性——明明技术很强，却没人知道你做了什么；花了很多时间踩坑，却没人因你少走弯路；脑子里有一堆干货，但却不懂如何有效地输出。 在如今写代码的人越来越多的时代，能够清晰表达自己思路与技术的人却少之又少。 因此，我们发起了这个【编程达人挑战赛】——帮助你将代码变成作品，将技术转化为真正的价值，同时激励更多的人坚持写作与分享。 注：活动细则介绍请看此贴：[https://bbs.csdn.net/topics/619791811](https://bbs.csdn.net/topics/619791811)。

919人参与 去参加
  • 最近
  • 文章
  • 专栏
  • 代码仓
  • 资源
  • 帖子
  • 问答
更多

  • 最近

  • 文章

  • 专栏

  • 代码仓

  • 资源

  • 帖子

  • 问答

  • 社区

  • 视频

  • 课程

  • 关注/订阅/互动

搜索 取消

大模型工程化实战（四）：Prompt 版本管理——把提示词做成可 diff、可评审、可回滚的代码资产

Prompt 版本管理：从字符串到工程资产 本文探讨了Prompt管理从随意修改走向工程化的完整方案。当前Prompt管理存在三大痛点：(1)热修改无版本记录，(2)与代码耦合导致回滚粒度粗，(3)缺乏评审机制直接上线。这些问题的核心在于Prompt未被当作"代码资产"管理。 解决方案提出"Prompt即代码"理念，赋予Prompt五项代码待遇： 版本化：用内容哈希作为唯一身份标识，语义版本仅作标签 评审机制：结合人工diff与自动化校验（占位符检查/token预算/契约验证） CI集成：触发最小评测回归，
原创
博文更新于 昨天 08:00 ·
645 阅读 ·
22 点赞 ·
21 评论 ·
31 收藏

大模型工程化实战（三）：LLM 灰度发布 + 自动熔断，1% 流量试错、指标劣化自动回滚

本文探讨了AI系统灰度发布中的关键问题与解决方案。通过一个真实事故案例（因优化Prompt导致回复过短而引发转人工率飙升），指出离线评测的局限性——它只能反映历史数据，无法捕捉线上动态变化。文章提出了一套完整的线上验证框架：影子验证（新旧版本并行比对）、分层放量（1%-100%分五档双门禁控制）和智能熔断（快慢双层的阈值判定）。重点解析了熔断阈值的统计原理（如违规3次法则、3σ校准）和状态机设计（CLOSED/OPEN/HALF_OPEN三态流转），强调监控必须从"被动看"升级为"主动盯"。核心结
原创
博文更新于 2026.08.19 ·
984 阅读 ·
56 点赞 ·
40 评论 ·
52 收藏

大模型工程化实战（二）：Golden Set + CI 评测，给LLM内容上量具

本文针对AI应用中"格式正确但内容错误"的问题，提出了一套完整的质检解决方案。通过构建分层评测集（Golden Set）作为标尺，采用三级级联评测体系（确定性检查→轻量语义→LLM裁判）作为量具，配合统计门禁机制进行判罚。方案特别强调评测集的版本化管理、样本规模统计推导（建议250条起）和标注纪律（标注一致性κ≥0.7），将主观的内容正确性问题转化为可量化的工程约束。该体系可有效捕捉5pp以上的质量下滑，相比传统人工抽查方式显著提升问题检出率。
原创
博文更新于 2026.08.17 ·
958 阅读 ·
36 点赞 ·
27 评论 ·
42 收藏

大模型工程化实战（一）：概率坍塌的救赎 - 给LLM输出加锁

本文探讨了如何解决大模型输出不稳定的工程问题，提出了4层确定性金字塔方案。文章指出大模型输出不稳定性体现在三个层面：输出随机破坏用户体验、格式错乱导致系统中断、偶发幻觉造成业务污染。传统应对方法如依赖temperature=0、加强prompt约束或更换模型都存在本质缺陷。 核心方案是通过4个层级递进增强确定性：采样层（temperature=0+seed）提供基础稳定性；契约层（JSON Schema严格校验）确保格式合规；容错层（校验+重试+降级）控制失败成本；编排层（状态机控制流）实现业务级确定
原创
博文更新于 2026.08.13 ·
779 阅读 ·
27 点赞 ·
10 评论 ·
28 收藏

大模型工程化实战（序）：AI落地，Demo之后才是真战场

算法定义AI的能力天花板，工程化守住AI的商用生命线。
原创
博文更新于 2026.08.09 ·
472 阅读 ·
23 点赞 ·
13 评论 ·
23 收藏

LangChain4j Java AI 应用开发实战（三十）：Agentic 智能客服实战（下）—— RAG + 记忆 + 流式集成

本文接续上篇，深入 Agentic 智能客服的三大基础设施：RAG 检索增强生成（政策文档加载→切分→向量化→存储→检索的完整管线）、ChatMemory 多用户对话记忆（@MemoryId 隔离 + InMemoryChatMemoryStore + MessageWindowChatMemory）、Flux\<String\> SSE 真流式输出（Spring MVC 原生支持，无需 WebFlux）。你将掌握从文档到向量的完整 RAG 工程流程、多用户会话隔离的正确实现、以及 LangChain4j
原创
博文更新于 2026.07.24 ·
428 阅读 ·
6 点赞 ·
2 评论 ·
8 收藏

LangChain4j Java AI 应用开发实战（二十九）：Agentic 智能客服实战（上）—— Agent 设计与工具编排

本文以电商售后智能客服为业务场景，深入讲解 LangChain4j Agentic AI 的核心设计范式：**1 个 @AiService + 多组 @Tool**。你将掌握：如何按"能力类型"而非"业务流程"分组工具、LLM 自主路由的实现原理与调优技巧、系统提示词如何定义 Agent 的人格与行为边界、以及 @Tool 注解的最佳实践。本文不写一行 Java 路由代码，让 LLM 自己决定调用哪个工具。
原创
博文更新于 2026.07.23 ·
447 阅读 ·
10 点赞 ·
0 评论 ·
7 收藏

LangChain4j Java AI 应用开发实战（二十八）：MCP 协议 —— 安全的工具与数据源接入标准

本文深入讲解 MCP（Model Context Protocol）协议的原理与实战，通过"文件读取 Bot"和"百度地图查询助手"两个完整案例，你将掌握 MCP 的两大传输模式（Stdio 子进程通信 与 HTTP/SSE 远程调用）、学会如何通过 `McpToolProvider` 将远程 MCP 服务器暴露的工具动态注入到 LangChain4j 的 AI Service 中、对比 MCP 与自定义 `@Tool` 注解的核心差异。同时我们还会深入分析 MCP 的安全沙箱设计、资源访问的白名单机制、以
原创
博文更新于 2026.07.01 ·
968 阅读 ·
17 点赞 ·
3 评论 ·
11 收藏

LangChain4j Java AI 应用开发实战（二十七）：Ollama 本地模型部署 —— 隐私保护与离线运行

本文深入讲解如何通过 Ollama 在本地部署和运行开源大模型，实现零成本、零网络依赖、数据不出本机的 AI 能力。你将掌握 Ollama 的三种部署方式（手动安装、Docker Compose、Testcontainers 自动化）、LangChain4j 的 `OllamaChatModel` 同步调用与 `OllamaStreamingChatModel` 流式输出、结构化 JSON Schema 输出、以及 GPU 加速配置和性能调优。同时我们还会对比 Llama 3.1、Qwen2.5、DeepS
原创
博文更新于 2026.06.30 ·
469 阅读 ·
6 点赞 ·
1 评论 ·
7 收藏

LangChain4j Java AI 应用开发实战（二十六）：多模型集成策略 —— OpenAI、DeepSeek、阿里百炼混合使用

本文深入讲解如何在单个 Spring Boot 项目中同时接入多个 AI 模型提供商（OpenAI、DeepSeek、阿里百炼 DashScope、Ollama），通过 `@AiService(wiringMode = EXPLICIT)` 实现声明式的模型绑定、理解多 ChatModel Bean 的共存机制、掌握模型路由的三种策略（基于任务类型、基于成本、基于负载/故障转移）。同时我们还会分析统一接口抽象的价值、Token 成本对比、以及多模型架构在企业级应用中的最佳实践。
原创
博文更新于 2026.06.29 ·
911 阅读 ·
8 点赞 ·
0 评论 ·
10 收藏

LangChain4j Java AI 应用开发实战（二十五）：A2A 协议 —— Agent 之间的通信与协作

本文深入讲解 A2A（Agent-to-Agent）协议的原理与实战，通过"创意写作 + 风格润色"的跨 Agent 协作案例，你将掌握 A2A 协议的核心概念（AgentCard 服务发现、JSON-RPC 2.0 通信标准、任务状态管理）、学会搭建 A2A 服务端（Spring Boot + JSON-RPC Controller）、理解客户端如何通过 `a2aBuilder()` 像调用本地 Agent 一样调用远程 Agent。同时我们还会分析 A2A 的安全性设计、与 Supervisor 编排的
原创
博文更新于 2026.06.28 ·
417 阅读 ·
8 点赞 ·
0 评论 ·
7 收藏

LangChain4j Java AI 应用开发实战（二十四）：人机协同与非 AI Agent —— 混合执行系统

本文深入讲解 LangChain4j Agentic 框架中的两种特殊 Agent 类型——NonAI Agent（纯代码逻辑代理）和 HumanInTheLoop（人工介入代理）。通过完整招聘系统的实战案例，你将掌握如何将确定性 Java 方法与 AI Agent 无缝混排、如何在关键时刻暂停工作流等待人工审批、以及如何设计 AI + 代码 + 人类三者协同的混合执行架构。学完本文，你将能构建更高效、更可靠、更安全的企业级 Agent 系统。
原创
博文更新于 2026.06.26 ·
471 阅读 ·
6 点赞 ·
0 评论 ·
7 收藏

LangChain4j Java AI 应用开发实战（二十三）：主管编排与组合工作流：智能调度与模式嵌套

本文深入讲解两种高级 Agent 编排模式：主管编排（Supervisor Orchestration）和组合工作流（Composed Workflows）。通过招聘系统的实战案例，你将掌握如何让 Supervisor Agent 自主调度多个子 Agent、理解与条件分支的区别、学会将多种工作流模式（顺序+并行+循环+条件）嵌套组合成复杂系统。同时我们还会分析状态管理、数据传递、性能优化等企业级特性，帮助你构建具备智能决策能力的复杂 AI 应用系统。
原创
博文更新于 2026.06.24 ·
463 阅读 ·
8 点赞 ·
0 评论 ·
6 收藏

LangChain4j Java AI 应用开发实战（二十二）：条件分支 - 智能路由与动态决策

本文深入讲解条件分支工作流的设计与实现，通过简历评审后的智能决策案例（高分安排面试、低分发送拒绝邮件、缺失信息请求补充），你将掌握如何根据运行时状态动态路由到不同的 Agent、理解三种路由策略（硬编码条件、分类模型、LLM 自主决策）、学会配置 Fallback 策略处理边界情况。同时我们还会分析同步与异步条件执行的差异、路由器的设计模式、以及最佳实践，帮助你构建具备智能决策能力的 AI 应用系统。
原创
博文更新于 2026.06.20 ·
394 阅读 ·
2 点赞 ·
0 评论 ·
6 收藏

LangChain4j Java AI 应用开发实战（二十一）：并行工作流 - 多 Agent 协同执行与结果聚合

本文深入讲解并行工作流的设计与实现，通过 HR、经理、团队成员三方同时评审简历的实战案例，你将掌握如何让多个 Agent 并发执行以加速任务完成、理解四种结果聚合策略（拼接、投票、加权、摘要）、学会配置线程池和异常处理（onError 策略）。同时我们还会分析并行工作流的性能优势（提速比计算）、适用场景和最佳实践，帮助你构建高效的分布式 AI 应用系统。
原创
博文更新于 2026.06.19 ·
461 阅读 ·
9 点赞 ·
0 评论 ·
6 收藏

LangChain4j Java AI 应用开发实战（二十）：循环工作流 - 自动迭代直到质量达标

本文深入讲解循环工作流的设计与实现，通过简历评审 → 简历优化的迭代案例，你将掌握如何设置退出条件（质量评分阈值、最大迭代次数）、避免死循环的策略、追踪迭代历史、以及如何处理"永远无法达标"的边界情况。同时我们还会分析循环工作流的适用场景、性能特点和最佳实践，帮助你构建具备自我修正能力的智能系统。
原创
博文更新于 2026.06.18 ·
488 阅读 ·
5 点赞 ·
2 评论 ·
3 收藏

LangChain4j Java AI 应用开发实战（十九）：顺序工作流 - 多阶段流水线设计模式

本文深入讲解顺序工作流的设计与实现，通过简历生成 → 简历优化的实战案例，你将掌握如何将多个 Agent 串联成流水线、理解数据传递机制（outputKey 匹配规则）、学会使用类型化与无类型两种编程模式、以及如何提取和访问工作流的内部状态。同时我们还会分析顺序工作流的适用场景、性能特点和最佳实践，为你构建生产级多阶段 AI 应用打下坚实基础。
原创
博文更新于 2026.06.17 ·
294 阅读 ·
8 点赞 ·
1 评论 ·
4 收藏

LangChain4j Java AI 应用开发实战（十八）：Agentic AI 入门 - 理解核心概念与单步 Agent

本文是 Agentic AI 系列的开篇之作，带你理解什么是 Agentic AI、为什么需要它、以及 ReAct 模式的核心原理。通过简历生成器（CvGenerator）这一最简实战案例，你将掌握如何定义 Agent 接口、创建 Agent 实例、调用 Agent 执行任务。同时学习 AgenticScope 的基础概念和 outputKey 机制，为后续深入学习各类工作流编排模式奠定理论基础。
原创
博文更新于 2026.06.16 ·
403 阅读 ·
11 点赞 ·
0 评论 ·
4 收藏

LangChain4j Java AI 应用开发实战（十七）：企业知识库实战 - 从文档导入到智能问答

本文带你从零构建一个生产级的企业知识库问答系统，涵盖 Apache Tika 多格式文档解析、自定义文档分割策略、增量索引更新、Spring Boot REST API 设计、对话记忆管理、工具调用集成等企业级特性。通过美团外卖客服机器人实战案例，你将掌握如何将 RAG、ChatMemory、Tools 三大核心技术栈整合到一个完整的 Web 应用中，并学习性能优化、缓存策略、权限控制等生产环境最佳实践。
原创
博文更新于 2026.06.15 ·
444 阅读 ·
6 点赞 ·
0 评论 ·
4 收藏

LangChain4j Java AI 应用开发实战（十六）：高级 RAG 技术（下）- 元数据过滤与多检索器融合

本文深入讲解 Advanced RAG 的其他高级技术：元数据注入、元数据过滤、跳过检索、多检索器融合、网络搜索集成和返回来源引用。通过企业文档问答、多用户隔离、混合检索等实战案例，你将掌握如何提升 RAG 系统的可追溯性、精准度和灵活性。同时我们还会分析每种技术的适用场景和性能影响，帮助你在实际项目中做出合理的技术选型。
原创
博文更新于 2026.06.10 ·
861 阅读 ·
10 点赞 ·
1 评论 ·
10 收藏
加载更多