#AI

深入理解 Milvus 向量数据库的整体架构设计，探索存储计算分离、分布式查询、向量索引等核心原理，为后续深入学习 Milvus 底层实现奠定基础。

系统性地介绍提示词工程的核心概念、基础技巧、进阶技术和评估优化方法，帮助你全面掌握与大语言模型高效交互的技能。

全面掌握 Spring AI 应用的可观测性建设，包括监控指标、分布式追踪、日志管理，以及生产环境部署最佳实践。

深入理解 Function Calling 原理，掌握 Spring AI Tools API，构建具备外部调用能力的智能 Agent。

深入理解 RAG 架构原理，掌握 Spring AI 的 RAG 组件，构建企业级知识库问答系统。

深入理解文本嵌入原理，掌握向量数据库的配置与使用，实现高效的语义搜索和相似度匹配。

深入掌握 Spring AI 的结构化输出功能，实现 LLM 输出到 Java POJO 的自动映射，构建可靠的数据提取流水线。

全面掌握 Spring AI 对多模型提供商的支持，包括 OpenAI、Anthropic、Google、Ollama 等模型的配置、切换和国产模型集成方案。

深入掌握 ChatClient API 的完整功能，包括提示词模板、多轮对话、Advisor 机制和流式响应处理。

从零开始搭建 Spring AI 开发环境，配置 AI 模型连接，构建第一个完整的对话应用，深入理解自动配置机制。

深入理解 Spring AI 框架的设计理念、核心架构和关键概念，为构建企业级 AI 应用奠定坚实基础。

深入掌握 Langchain4J 应用的可观测性建设、性能优化、安全实践及生产环境部署策略，构建企业级 AI 应用。

深入掌握 Function Calling 和 Agent 开发的核心技术，学习工具定义、多工具协作及复杂 Agent 系统的设计与实现。

深入掌握 RAG 检索增强生成的核心技术，学习文档处理、向量嵌入、相似度检索及完整 RAG 系统的实现方法。

深入掌握 Chat Memory 的核心概念和实现策略，学习持久化存储、多会话管理及记忆优化技巧，构建具备上下文理解能力的 AI 应用。

深入掌握 Prompt 模板工程的核心技巧，学习动态提示词构建、Few-shot Learning、Chain of Thought 等高级技术。

深入探索 Langchain4J 对各大模型提供商的支持，掌握 OpenAI、Anthropic、Google、国内大模型及本地模型的集成方法。

深入理解 AI Services 的工作原理，掌握高级注解、记忆管理、工具集成等核心功能，构建更智能的 AI 应用。

从零开始搭建 Langchain4J 开发环境，构建你的第一个 Java AI 应用，掌握 AI Services 的核心用法。

深入理解 Langchain4J 框架的设计理念、核心架构和关键概念，为构建企业级 Java AI 应用奠定坚实基础。

深入探讨 MCP Gateway 的生产部署实践，包括 Docker 容器化、Kubernetes 部署、安全加固和高可用架构设计。

深入实现结构化日志、Prometheus 指标和 OpenTelemetry 分布式追踪，构建完整的可观测性体系。

深入实现基于 SQLAlchemy 的异步存储层和仓储模式，构建可扩展的持久化数据访问架构。

深入实现 Token Bucket 限流算法和请求日志中间件，构建高可用、可观测的 MCP Gateway。

深入实现 JWT Token、API Key 双认证机制和 RBAC 权限模型，构建企业级安全治理体系。

深入实现工具、资源、提示词三大注册中心，掌握 MCP Gateway 的核心能力抽象与参数验证机制。

深入理解 MCP 协议的 JSON-RPC 2.0 消息格式、类型系统设计和方法路由机制，掌握协议层核心实现原理。

深入理解生产级 MCP Gateway 的设计理念与架构，从 MCP 协议规范到企业级特性，探索如何构建 AI Agent 与外部工具之间的可靠桥梁。

总结生产级 AI 编程助手的实践经验，包括错误恢复、可观测性、性能优化和部署策略，为项目画上圆满句号。

使用 Ink + React 构建交互式终端界面，实现消息显示、输入处理和实时流式输出，打造优秀的命令行体验。

实现可插拔的 Skill 技能系统，支持技能发现、动态加载和模板注入，让 Agent 获得领域专业知识。

实现并行工具执行引擎，使用 Promise.allSettled 处理并发工具调用，显著提升 Agent 执行效率。

实现多 Agent 协作系统，支持任务委托、SubAgent 架构和专业 Agent 类型，构建强大的 Agent 编排能力。

实现会话管理系统，包括会话状态管理、Token 统计、成本计算和持久化存储，支持多轮对话。

实现细粒度的权限控制系统，支持工具调用审批、路径模式匹配和只读模式，确保 AI Agent 安全操作。

实现 AI Agent 的核心 ReAct 循环，处理工具调用、消息状态管理和流式响应，构建完整的 Agent 执行引擎。

设计类型安全的工具系统，使用 Zod 实现参数验证和 JSON Schema 生成，构建可扩展的工具注册表。

实现多 LLM 提供商的统一接入，支持流式响应、工具调用和成本计算，构建 Provider 抽象层和注册表。

使用 yargs 构建命令行界面，实现配置管理、环境变量处理和多级配置优先级，为 AI 编程助手奠定基础。

深入分析 AI 编程助手的核心架构，设计 nano-agent 项目的技术选型和核心模块，为构建生产级 AI Coding Agent 奠定基础。