AI 知识库系统

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） -->

赞(0)admin2026-09-05项目实战 阅读(38)去评论

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: enabled:

赞(0)admin2026-09-04项目实战 阅读(37)去评论

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、流程说得煞有介事。这比"答不出来"

赞(0)admin2026-09-03项目实战 阅读(32)去评论

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) public void

赞(0)admin2026-09-02项目实战 阅读(28)去评论

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

赞(0)admin2026-09-01项目实战 阅读(33)去评论