本文将教你如何使用 Spring AI 的多模态特性创建一个能够处理图像和文本的 Spring Boot 应用程序。多模态是指能够同时理解和处理来自不同来源的信息，包括文本、图像、音频和其他数据格式。我们将进行一些关于多模态和图像的简单实验。

生成式 AI 正在重塑应用开发的方式。虽然 Python 在该领域占据主导地位，但 Java 开发者并未被遗忘。LangChain4j 应运而生——这是一个功能强大的库，旨在简化大语言模型（LLMs）与 Java 应用的集成。

本文将带你探索如何分别使用原生 Java 和 LangChain4j 与 OpenAI（及其兼容模型）进行交互，并展示 LangChain4j 为何是 Java 开发者的不 …

本文介绍如何在 Spring AI 中使用工具调用（Tool Calling / Function Calling）：让大模型在对话中按需调用你定义的 Java 方法（查员工、查请假、获取当前日期等），并根据工具返回结果生成回复。本文基于 chat-model 模块，通过 @Tool 注解和 ChatClient.defaultTools() 实现员工与日期相关的工具调用。

本文将教你如何创建一个使用 RAG（检索增强生成）和向量存储以及 Spring AI 的 Spring Boot 应用程序。

在 《Spring AI 对话记忆 》中我们用 MessageChatMemoryAdvisor + JDBC 实现了多轮对话记忆。本文基于同一套记忆能力，升级为 Server-Sent Events (SSE) 流式输出，并配上自定义前端让 DeepSeek 的回复实时逐字出现。

本文介绍如何使用 Spring AI 的对话记忆实现多轮对话：按会话 ID 持久化历史消息，每次请求时把该会话的历史一并发给模型，让回复能联系上下文。本文使用 MessageChatMemoryAdvisor + JDBC 存储，并通过 Cookie 区分不同会话。

本文介绍如何在 Spring AI 中使用结构化输出：让模型按约定格式返回内容，并由转换器解析为 Java 类型（List、Map、Bean），避免手写解析逻辑。本文演示三种内置转换器的用法。

本文介绍如何在 Spring AI 中使用提示词模板：将提示词外部化、参数化，便于维护和复用。

ToolCallbackProvider 是 Spring AI 中用于提供工具回调的接口。本文将详细介绍其主要实现类及其使用场景。

你是否想过，如何让 AI 不仅仅是陪聊，而是真正变成一个**“有记性、懂知识、能办事”**的智能助手？

今天，我们将一起构建一个**“狗狗领养助手”**。别被“AI”这个词吓到，其实它的原理就像教一个小孩子做事一样简单。

我们将用最通俗易懂的方式，带你从零开始，一步步把这个助手跑起来，并理解它背后的“大脑构造”。