agentic-expense-manager：Spring Boot Agentic 开发脚手架
sivaprasadreddy/agentic-expense-manager 不是成品记账 App，而是 Spring Boot 4 + Modulith + 29 条 UC 需求清单的 Agent 试验场。本文按目录拆解每个文件能学什么，并归纳八类学习维度。
AI
-
-
mattpocock/skills：它在管的不是提示词，而是做事顺序
它为什么会比一大段 prompt 更稳，不在模型更会写，而在先把需求、测试、排障这些顺序排好。
-
为什么 Superpowers 总要先拦你去 brainstorming、spec、plan、review。它在管的不是某一步，而是整条开发顺序。
-
GSD 框架实战：解决 AI 编程的 context rot 问题
GSD（Get Shit Done）是一个面向 AI 编程工具的元提示框架，通过为每个任务分派独立 agent 来解决 context rot 问题。本文介绍其核心概念、安装方法、工作流，以及与 agent-skills 的区别和选型建议。
-
Agent Skills 实战：给 AI 编程助手装上工程化工作流
AI 会写代码不等于会做工程。本文介绍 agent-skills —— 一套给 AI 编程助手（Claude Code、Cursor、Gemini CLI）使用的工程化工作流，涵盖需求定义、任务拆分、TDD、代码审查、CI/CD 等完整开发流程，附安装指南和实战用法。
-
SkillsJars 入门：用 Maven 依赖管理 AI Agent Skills
介绍 SkillsJars 是什么、如何使用（AI 代码助手和 Spring AI）以及如何创建和发布 SkillsJars。
-
OpenClaw 调用 Claude Code 实战：用 AI Agent 开发 Todo List 应用
本文介绍在 Codespaces 中从安装到正常使用的完整步骤。
-
Claude Code 与 Codex 自查开发环境：补齐 AI 协作工具链
让 Claude Code 与 Codex 自查本机开发环境：对比二者给出的缺失工具清单，并补齐 ripgrep、fd、fzf 等与 AI 协作相关的 CLI 工具链。
-
gstack 拆解：YC CEO 的 AI 工程系统与 60 天 60 万行代码
gstack：Garry Tan（Y Combinator CEO）为 Claude Code 开源的技能系统，用 Slash Command 串联 office-hours、review、qa、ship 等全流程。本文拆解两层架构与 Sprint 工作流、安装与使用要点，便于评估是否适合你的 AI 工程习惯。
-
GitHub Codespaces 部署 OpenClaw：云端运行 AI 助手
本文介绍在 Codespaces 中从安装到正常使用的完整步骤。
-
Claude Code 完全指南：安装、配置、认证与 OpenRouter 接入
全面介绍 Claude Code 的安装、配置、使用与认证方式，并补充订阅方案和通过 OpenRouter 接入的实践路径。
-
OpenClaw 完全指南：开源个人 AI 助手的安装、配置与渠道接入
OpenClaw 开源个人 AI 助手，可接 Telegram/WhatsApp/Discord 等。从安装、配置到使用与渠道，由浅入深。
-
Codex CLI 完全指南：OpenAI 终端编程助手安装与使用
全面介绍 Codex CLI 的安装、配置、使用与认证方式，帮助在终端中接入 OpenAI 的本地化 AI 编程助手。
-
Gemini CLI 是 Google 开源的终端 AI 助手，把 Gemini 的能力直接接到命令行里，让你在终端里对话、写代码、查资料、跑工具。本文介绍其安装、配置、使用、认证方式，以及和订阅方案的关系。
-
Pig AI 体验：面向 Java 的 LLM 开发平台入门
PIG AI 是面向 Java 生态的 LLM 应用开发平台，内置 RAG 引擎、Agent 框架和 50+ 模型接入，提供界面与 API 两种使用方式。Java 开发者可以用它搭建智能客服、智能文档等企业场景。
-
介绍如何在 Spring AI 中使用多模态能力处理图像与文本输入，并基于 Spring Boot 做一些基础的多模态实验。
-
Java 生成式 AI 入门：LangChain4j + OpenAI 快速上手
面向 Java 开发者的生成式 AI 入门实践，介绍如何使用 LangChain4j 与 OpenAI（及兼容模型）构建 AI 应用。
-
Spring AI 工具调用实战：让大模型按需执行 Java 方法
介绍如何在 Spring AI 中实现工具调用，让大模型按需调用 Java 方法并结合返回结果生成回复，适合作为 Tool Calling 入门实践。
-
介绍如何在 Spring AI 中结合 RAG 与向量存储构建 Spring Boot 应用，让模型能够基于外部知识做更准确的回答。
-
Spring AI SSE 流式回复：基于对话记忆的实时逐字输出
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。
-
Spring AI 对话记忆实战：多轮上下文与 JDBC 持久化
介绍如何使用 Spring AI 实现对话记忆与多轮上下文，包括会话隔离、历史消息持久化以及 JDBC 存储方案。
-
Spring AI 结构化输出：让模型返回 Java 类型结果
介绍如何在 Spring AI 中使用结构化输出，让模型返回可解析的 Java 类型结果，减少手写解析逻辑并提升稳定性。
-
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，提升可维护性与复用性。
-
Spring AI ToolCallbackProvider 详解：4 种实现类对比
深入解析 Spring AI ToolCallbackProvider 接口及其实现类：MethodToolCallbackProvider、SyncMcpToolCallbackProvider、AsyncMcpToolCallbackProvider、StaticToolCallbackProvider。学习工具调用的最佳实践、使用场景对比和配置示例。
-
Spring AI 实战教程：构建狗狗领养 AI 助手（RAG + MCP）
面向初学者的 Spring AI 实战教程。通过构建一个能够根据性格推荐狗狗、并自动预约领养的 AI 助手，学习 RAG（检索增强生成）、MCP（工具调用）和对话记忆三大核心概念。
-
Vibesafe4j 详解：用 AI 自动生成 Java 接口实现
深入介绍 Vibesafe4j 框架：通过 AI 和注解自动生成 Java 接口实现。学习如何使用 @Func 注解、Spring Boot 集成、代码生成流程和最佳实践。包含完整示例代码和配置指南。
-
Vibesafe4j 编译时代码生成：Annotation Processor 教程
详细教程：如何使用 Java Annotation Processor 在编译时为 Vibesafe4j 生成代码。包含完整的实现代码、Maven/Gradle 配置、AI 集成方案和最佳实践。适合生产环境使用。
-
本文深入介绍 OpenSpec 规范驱动开发工具，展示如何让 AI 编码助手（如 Cursor、Claude、Copilot）按照项目规范生成高质量代码
-
Docker Model Runner + Spring AI：本地部署 AI 模型
学习如何使用Docker Model Runner和Spring AI构建本地AI应用，实现RAG功能、向量搜索和模型本地化部署。包含完整代码示例和最佳实践。
-
Spring AI Text2SQL 实战：用自然语言查询数据库
深入探索 Spring AI + DeepSeek 实现 Text2SQL 自然语言数据库查询，包含直接模式、MCP工具集成、分步骤查询三种实现方案，附完整源码和踩坑经验
-
介绍如何在 Cursor 中安装和使用 Spec-Kit，借助规范驱动开发流程把需求定义、实现与 AI 编码协作串联起来。
-
Spring AI + RAG 实战：基于真实数据的智能推荐
通过智能餐厅推荐系统示例，介绍如何用 Spring AI 实现 RAG 应用，让模型基于真实餐厅数据生成更准确的推荐结果。
-
通过智能餐厅推荐系统示例，介绍如何使用 Spring AI 集成多种聊天模型，并实现多轮对话与结构化输出等核心能力。
-
OpenAI API 与 Spring AI 对照表：接口映射关系
梳理 OpenAI API 各类接口在 Spring AI 中的对应方式，帮助快速建立模型能力与 Spring 封装 API 之间的映射关系。
-
Spring AI ChatClient API 详解：调用链、模板与结构化输出
围绕 Spring AI 的 ChatClient API，介绍其创建方式、调用链设计、提示模板与结构化输出等核心能力。
-
Spring AI 聊天模型入门：接入 OpenAI、Anthropic、Ollama
介绍如何使用 Spring AI 快速接入不同聊天模型，并通过 Profile 与配置切换 OpenAI、Anthropic、Ollama 等模型提供方。
-
围绕 RuoYi AI 的整体架构和核心能力做源码学习笔记，梳理其多模型接入、RAG、MCP 集成与企业级 AI 助手实现思路。