搜索博客

在全部博客文章中搜索标题、摘要与正文关键词。

共 220 篇

这是「AI 知识库系统」系列的第一篇，从零把向量化链路搭起来：引入依赖、配置向量存储、把切片写进 Qdrant、跑补偿任务。文中每个类都能直接用。一、依赖在 kb-service 的 pom.xml 里引入两个 starter： <!– Embed

现在我们将节点连接成一个可工作的图。由于我们的节点处理自己的路由决策，我们只需要一些基本的边。要启用人工介入（human-in-the-loop）功能，我们需要使用 checkpointer 编译以在运行之间保存状态： import co

我们将每个节点实现为一个简单的函数。记住：节点接受状态，执行工作，并返回更新。读取和分类节点 import com.alibaba.cloud.ai.graph.action.NodeAction; import com.alibaba.

不同的错误需要不同的处理策略：错误类型谁来修复策略何时使用瞬时错误（网络问题、速率限制）系统（自动）重试策略通常会在重试时解决的临时故障LLM可恢复错误（工具失败、解析问题）LLM将错误存储在状态中并循环回去LLM可以看到错误并调整其方法

学习如何通过将客服邮件处理流程分解为离散步骤来使用 Spring AI Alibaba Graph 构建智能工作流。 Spring AI Alibaba Graph 可以改变您构建智能代理的思维方式。使用 Graph 构建代理时，您将首先把

Agent 可以随着时间的推移学习并存储用户偏好。 import com.alibaba.cloud.ai.graph.agent.ReactAgent; import com.alibaba.cloud.ai.graph.agent.ho

同一用户在不同会话中应该能够访问相同的长期记忆。 import com.alibaba.cloud.ai.graph.agent.ReactAgent; import com.alibaba.cloud.ai.graph.RunnableC

短期记忆用于存储对话上下文，长期记忆用于存储持久化数据。下面的示例展示了如何同时使用两种记忆。 import com.alibaba.cloud.ai.graph.agent.ReactAgent; import com.alibaba.c

下面的示例展示了如何使用 ModelHook 在模型调用前后自动加载和保存长期记忆。 import com.alibaba.cloud.ai.graph.agent.ReactAgent; import com.alibaba.cloud.

Spring AI Alibaba 的 Agent 使用持久化机制来实现长期记忆功能。这是一个高级主题，需要对 Spring AI Alibaba 的 Agent 框架有一定了解。 ┌────────────────────────────