用Spring Boot搭建AI结构化输出网关：Schema注册、校验、自修复与版本治理
当多个业务系统分别调用大模型并自行解析JSON时，结构化输出规则会散落在Controller和Prompt中，导致Schema版本不一致、Provider切换失败、重试成本不可见和错误对象进入业务流程。本文实现一个轻量级Spring Boot结构化输出网关：统一注册输出Schema、选择模型、启用Provider原生结构化输出、执行本地Schema与业务校验、限制自修复次数，并记录Schema版本
用Spring Boot搭建企业AI安全网关：输入审核、PII脱敏、输出校验与审计
企业接入多个大模型后，若每个业务系统自行处理Moderation、敏感信息脱敏、Prompt Injection、工具权限和日志审计，安全策略很快会失控。本文使用Spring Boot设计一个统一AI安全网关，通过标准请求对象串联身份校验、输入长度限制、PII检测、内容审核、Prompt Injection检测、模型代理、输出DLP和审计日志，并提供可扩展接口与核心代码骨架。
用Spring Boot搭建AI成本与稳定性监控看板：Token、预算、429、熔断与降级
Spring AI 2.0已经可以通过Micrometer输出模型调用耗时与Token指标，但企业要真正控制成本，还需要把模型价格、业务场景、租户、预算、重试、Tool Calling和降级事件统一起来。本文实现一个轻量级AI成本与稳定性监控服务：从ChatResponse读取Usage，计算单次费用，写入业务成本表，同时用Micrometer记录低基数指标，并提供租户月预算、场景成本、429、熔
用Spring Boot搭建企业MCP工具网关：统一接入、租户隔离、白名单与审计
企业接入多个MCP Server后，如果让每个Agent直接连接订单、仓储、客户、知识库和文件工具，会快速出现认证分散、工具重名、权限不一致、审计缺失和服务端地址泄露等问题。本文使用Spring Boot设计一个MCP工具网关：上游连接多个MCP Server，下游向Agent提供统一工具目录，并在调用前执行租户校验、工具白名单、风险审批、参数脱敏、超时和审计。文章给出核心数据模型、路由代码和生产
用Spring Boot搭建AI工具执行网关：白名单、审批、幂等与审计完整实战
直接把订单、退款、邮件、文件删除等业务方法暴露给大模型，会把模型的不确定性带入真实业务系统。更稳妥的做法是建立独立工具执行网关：模型只能提出工具名称和参数，网关负责身份校验、工具白名单、JSON Schema验证、风险分级、人工确认、幂等执行、结果脱敏和审计。本文使用Spring Boot实现一个可运行的轻量级工具网关，并给出ToolDefinition、PolicyEngine、Approval
用Spring Boot＋PostgreSQL搭建可审计的Chat Memory服务
Spring AI内置Chat Memory适合维护模型上下文，但企业系统还需要完整聊天记录、会话所有权、消息状态、审计日志和删除策略。本文使用Spring Boot、PostgreSQL与Spring AI 2.0设计一个双层存储方案：`ChatMemoryRepository`负责模型短期上下文，业务表负责完整Chat History；同时实现会话创建、所有权校验、消息写入、Memory调用和
用Spring Boot搭建统一AI流式网关：SSE事件、模型路由、取消与审计
企业同时接入DeepSeek、OpenAI、Qwen或本地模型后，如果每个业务系统直接对接Provider，很快会出现流式协议不一致、错误码分散、取消无效、Token统计缺失和模型切换困难。本文实现一个轻量级Spring Boot AI流式网关，统一请求协议、SSE事件、模型路由、任务状态、取消接口、日志审计与Provider适配，并说明如何避免网关成为新的单点瓶颈。
用Spring AI＋Qdrant实现可恢复的RAG增量索引服务
# 用Spring AI＋Qdrant实现可恢复的RAG增量索引服务 ## 文章摘要 本文实现一个面向企业知识库的增量索引服务：通过文档Checksum和Chunk Hash识别变化，只对新增或修改片段生成Embedding；使用稳定Point ID写入Qdrant；通过版本状态实现新旧索引原子切换；失败任务可重试，删除操作可幂等执行。示例使用Spring Boot、Spring AI和Qdr
用Docling＋Spring AI搭建PDF解析与RAG入库管道：表格、Metadata和质量门禁
# 用Docling＋Spring AI搭建PDF解析与RAG入库管道：表格、Metadata和质量门禁 ## 文章摘要 Spring AI提供DocumentReader、DocumentTransformer和VectorStore等ETL能力，但复杂PDF的版面、表格和OCR往往需要更专业的解析工具。Docling可以将PDF解析成包含页面、标题、段落、表格和图片信息的结构化文档。本文通
用Spring AI＋Qdrant实现混合检索服务：Dense、Sparse、RRF与权限过滤
# 用Spring AI＋Qdrant实现混合检索服务：Dense、Sparse、RRF与权限过滤 ## 文章摘要 单一Dense向量检索擅长语义理解，却容易漏掉产品型号、合同编号和专业缩写；纯关键词检索能够精确命中术语，却难以理解自然语言。本文使用Spring Boot、Spring AI和Qdrant设计一个可复用的企业混合检索服务，完成Dense与Sparse双路召回、租户权限过滤、RR
用Spring Boot搭建一个可版本化的Prompt模板管理器：加载、缓存、灰度与回滚
# 用Spring Boot搭建一个可版本化的Prompt模板管理器：加载、缓存、灰度与回滚 ## 文章摘要 企业AI项目中的Prompt不能长期散落在Java代码里。随着场景增加，需要解决模板版本、环境差异、审批、缓存、灰度、回滚和调用追踪。本文实现一个轻量级Spring Boot Prompt模板管理器：使用数据库保存模板元数据，通过Resource与StringTemplate渲染变量，
AI 工具开发实战（9）：开发一个 AI 搜索引擎聚合器——一次提问，对比多个 AI 的结果
用 FastAPI + aiohttp + SSE 搭建 AI 聚合搜索页面：同时查多个 AI 搜索、流式输出结果、对比展示。附完整可运行代码。
AI 工具开发实战（10）：开发一个 AI Agent 自动化工作流——让多个 Agent 协作完成复杂任务（完结篇）
最后做一个 Agent 工作流引擎：定义多个 Agent 角色、串联执行、上下文传递。内置研究和代码审查两个预定义工作流。系列完结篇。
AI 工具开发实战（7）：开发一个 AI 数据看板——用 Streamlit 上传文件自动分析
用 Streamlit + Pandas + LLM 搭建 AI 数据看板：上传 Excel/CSV，AI 自动分析数据、生成图表和洞察、支持对话式问答。
AI 工具开发实战（8）：开发一个可复用的 AI 聊天机器人框架——30 行代码部署一个对话服务
封装一个可复用的 AI 聊天框架：多模型切换、流式输出、对话管理、一键部署 FastAPI 服务。支持 DeepSeek/豆包/OpenAI。
AI 工具开发实战（5）：开发一个 AI 浏览器划词翻译插件——Chrome 扩展开发入门
从零开发 Chrome 划词翻译插件：Manifest V3、content script 注入、LLM API 调用、浮动气泡翻译。选中英文自动显示中文翻译。
AI 工具开发实战（6）：开发一个 AI 周报自动生成器——读 Git 日志，AI 帮你写周报
从零开发 AI 周报生成器：用 git log 读提交、统计分析、调用 LLM 生成结构化 Markdown 周报。包含项目概况、主要工作、问题修复等章节。
AI 工具开发实战（4）：开发一个 VS Code AI 插件——选中代码一键解释、优化、生成测试
从零开发 VS Code AI 插件：右键菜单调用 LLM 解释/优化代码、自动生成单元测试，WebView 展示结果。附完整 extension.js 代码和打包安装流程。
AI 工具开发实战（3）：开发一个 AI 代码审查 CLI——自动检查 Git 变更、发现安全问题
从零开发 AI 代码审查 CLI：读取 Git diff、调用 LLM 分析安全漏洞/性能问题/代码质量、支持 staged 审查和历史提交审查、可配 Git Hook。
AI 工具开发实战（2）：开发一个本地 RAG 知识库——丢一个文件夹进去，直接问答
从零开发本地 RAG 知识库：文档索引、文本切分、BGE 向量化、本地检索、流式 LLM 回答。支持 PDF/MD/TXT，全本地运行，数据不出本机。