AI 实战教程
按系列组织的实战教程：先从最小可运行示例开始，再回到项目源码对照关键链路。 当前教程全部免费；会员项目精读持续更新。
从零搭建 AI 知识库系统（一）：向量化链路与向量存储接入
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： <!–
从零搭建 AI 知识库系统（二）：RAG 检索链路与双路召回
这一篇实现从「切片入库」到「双路召回融合」的完整链路。核心是一个容易被忽略的设计：为什么必须保留关键词召回。 一、切片入库 @Override @Transactional(rollbackFor = Exception.class) pu
从零搭建 AI 知识库系统（三）：引用溯源与流式输出
这一篇实现两个「体验层」的东西：怎么让答案可核查，以及怎么让它一个字一个字地流出来。前者关乎信任，后者关乎体感，但实现起来都有不少细节。 一、系统提示词：五条规则 RAG 系统最大的信任危机是编造——模型把不存在的条款、数字、流程说得煞有介
从零搭建 AI 知识库系统（四）：多租户隔离与套餐配额
这个系统是对外多租户 SaaS，所以有两条不能破的红线：数据不能串租户，以及成本不能失控。前者是安全事故，后者是经营事故。 一、租户隔离靠拦截器，但有两处它管不到 先看配置： platform: tenant: data-isolation
从零搭建 AI 知识库系统（五）：Agent 装配与整仓升级踩坑
最后一篇，讲知识库 Agent 的设计，以及为了用上它而做的一次整仓升级——那次升级里踩到的两个坑，比 Agent 本身更值得记录。 一、依赖与装配 <!– Spring AI Alibaba Agent（ReactAgent 多跳推理）
从零搭建 AI 在线考试系统（一）：工程骨架与数据模型
这个系列会把「AI 在线考试系统」从零搭一遍：建表、配环境、写关键代码、跑起来验证。每一篇结束你都能有一个能运行的东西，而不是读完一堆设计原则。 这是第一篇，目标是把工程骨架和数据库搭起来，让服务能启动。 一、前置环境 组件版本说明 JDK