一、在XueweiAgentConfig中添加ContentRetriever @Bean ContentRetriever contentRetrieverXuewei() { //使用FileSystemDocumentLoader读取指定目录下的知识库文档
发布于 2025-06-07
一、何让大模型回答专业领域的知识 LLM 的知识仅限于它所训练的数据。 如果你想让 LLM 了解特定领域的知识或专有数据，你可以： 使用 RAG 使用你的数据微调 LLM 结合 RAG 和微调 1.微调大模型 在现有大模型的基础上，使用小规模的特定任务数据进行再次训练，调整模型参数，让模型更精确地处
发布于 2025-06-07
说明：该实战项目是基于前面几篇文章的基础下进行的，一些基础知识不懂可以看看前面几篇AI相关的文章。 其中比较核心的，一个是记忆聊天，二个是Aiservice使用，三个是Tool的使用 其中涉及到Tool的使用中，提示模版的章节未补充，后面慢慢完善～～ 一、新建数据库和表 CREATE TABLE `
发布于 2025-06-07
一、系统提示词 @SystemMessage 设定角色，塑造AI助手的专业身份，明确助手的能力范围 1.配置@SystemMessage 在SeparateChatAssistant类的chat方法上添加@SystemMessage注解 @SystemMessage("你是我的好朋友，请用湖南话回答
发布于 2025-06-07
默认情况下，聊天记忆存储在内存中。如果需要持久化存储，可以实现一个自定义的聊天记忆存储类，以便将聊天消息存储在你选择的任何持久化存储介质中。 一、存储介质的选择 大模型中聊天记忆的存储选择哪种数据库，需要综合考虑数据特点、应用场景和性能要求等因素，以下是一些常见的选择及其特点： MySQL 特点：关
发布于 2025-06-04
一、测试对话是否有记忆 package com.zhan.chat.assistant; import dev.langchain4j.service.spring.AiService; import dev.langchain4j.service.spring.AiServiceWiringMo
发布于 2025-06-03
一、什么是AIService AIService使用面向接口和动态代理的方式完成程序的编写，更灵活的实现高级功能 二、人工智能服务 AIService 在LangChain4j中我们使用AIService完成复杂操作。底层组件将由AIService进行组装。 AIService可处理最常见的操作：
发布于 2025-06-03
一、简介 LangChain4j 的目标是简化将大语言模型（LLM - Large Language Model）集成到 Java 应用程序中的过程 官网： https://docs.langchain4j.dev
发布于 2025-06-02
说明：本章节将讲解使用java对接deepseek的官方api，同时使用强大的编辑器Trae完成有趣的对话框。前面章节中也讲到了对接deepseek的api，但那是基于ollama的，严格讲那并不是真的对接deepseek。 deepseek的api返回的结果和平时咱们开发中restful不太一样，
发布于 2025-03-04
说明：之前的章节中咱们讲解了deepseek本地私有化部署，在此基础上，今天咱们要讲解的是deepseek+cherry studio打造属于自己的本地知识库。 本地知识库在专有的领域是非常适用的，不同行业的人可以构建自己的知识库，从而让自己的AI成为某个行业的专家。 话不多说，开始～～～～ 一、安
发布于 2025-02-23
