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。本文使用 DeepSeek（OpenAI 兼容 API），通过 @Tool 注解和 ChatClient.defaultTools() 实现员工与日期相关的工具调用。

Spring 官方文档在《Retrieval Augmented Generation》中，把 RAG 拆成三步：摄取（Ingestion）→ 检索（Retrieval）→ 生成（Generation）。本文是这套流程的完整落地版本：用 Markdown 文档喂入 Redis 向量库，依靠 QuestionAnswerAdvisor 在每次提问前检索上下文，再交给本地部署的 Ollama 生成答案 …

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。

随着大语言模型（LLM）技术的快速发展，如何将 AI 能力无缝集成到企业应用中成为了开发者关注的焦点。Spring AI 作为 Spring 生态系统中新兴的 AI 框架，为 Java 开发者提供了构建 AI 应用的完整解决方案。

Vibesafe4j 默认在运行时生成代码，这种方式虽然灵活，但在生产环境中可能遇到一些问题：性能开销、调试困难、IDE 支持有限等。

你是否遇到过这样的情况：写一个简单的数据转换方法，却要写很多样板代码？想快速验证一个想法，但必须先实现完整的方法逻辑？

Vibesafe4j 就是为了解决这些问题而生的。它让你用自然语言描述方法的功能，然后由 AI 自动生成 Java 实现代码。