从 0 搭一套 Python AI 知识库（六）：混合检索 —— 向量 + 关键词
向量 + 关键词双路召回，RRF 融合、阈值与版本复核，让检索既懂意思也认字面。
Spring AI Alibaba 91｜Graph Core · 为图添加持久化 · 创建带工具的 Agent 节点
许多 AI 应用程序需要记忆来跨多个交互共享上下文。在 Spring AI Alibaba 中，通过 Checkpointer 为任何 StateGraph 提供记忆。 在创建任何 Spring AI Alibaba 工作流时，可以通过以下
Spring AI Alibaba 90｜Graph Core · 并行流式输出 · 实现示例
并行流式输出允许在并行分支中使用 Flux 实现流式输出。每个并行节点可以独立产生流式输出，并保持各自的节点 ID，便于区分不同节点的输出。 在并行流式输出中： Flux 流式输出：节点可以直接返回 Flux<T> 类型的流式数
从 0 搭一套 Python AI 知识库（五）：把切片变成向量
把切片变成 1024 维向量写进 pgvector，处理批次失败、状态回写和卡死任务。
Spring AI Alibaba 89｜Graph Core · 并行节点定义 · 使用编译的子图作为并行节点
为了克服并行分支中仅支持单步的问题，我们可以使用子图。 示例 – 混合节点和子图 import com.alibaba.cloud.ai.graph.CompiledGraph; import com.alibaba.cloud.ai.gr
Spring AI Alibaba 88｜Graph Core · 并行节点定义 · 定义带并行节点的图
Spring AI Alibaba Graph 允许您定义并行节点以加速总图执行。 要实现并发执行，您必须使用 RunnableConfig 为特定的并行节点提供一个 Executor： import com.alibaba.cloud.a
Spring AI Alibaba 87｜Graph Core · 多智能体监督者模式 · 执行示例
// 执行 Graph（Supervisor -> Coder） public void executeGraphWithCoder(CompiledGraph graph) { Map<String, Object> i
从 0 搭一套 Python AI 知识库（四）：解析、切片与补偿任务
五种格式解析、标题路径、按句切片的 overlap 技巧，以及没有 MQ 时的状态机与补偿任务。
Spring AI Alibaba 86｜Graph Core · 多智能体监督者模式 · 实现示例
多智能体监督者模式是一种常见的多智能体系统架构，其中有一个监督者智能体负责协调和路由任务到不同的工作智能体。 在多智能体监督者模式中： Supervisor Agent（监督者智能体）：负责路由到不同的 worker agentsWorke
Spring AI Alibaba 85｜Graph Core · 分配 MCP 工具给指定节点 · tool
McpClientToolCallbackProvider 根据节点名称，匹配对应的 MCP 提供的 ToolCallback package com.spring.ai.tutorial.graph.mcp.tool; import co