计算 Token 并估算调用 LLM 的成本（Java）
如何使用 JTokkit 本地计算 Token，用 BigDecimal 计算成本，阻止超出预算的请求，并与 Spring AI 实际用量数据进行对比。
使用 Java 21 和 Spring Boot 从 LLM API 流式响应
通过 HttpClient 和 WebClient 使用 Server-Sent Events 从 LLM API 接收每个 token，然后推送到浏览器，包含错误处理、超时和测试。
Function calling/tool use 在 Spring AI 中的实例
理解 LLM 如何调用应用函数，从原始 JSON 到 Spring AI 中的 @Tool。文章包含查询、取消订单的示例以及不需要调用真实模型的测试。
结构化输出：用 Spring AI 强制 LLM 返回符合 JSON Schema
如何在 Spring Boot 中强制 LLM 返回符合 JSON Schema 的数据：使用 Spring AI 映射到 record、启用原生 JSON Schema、验证、重试和编写测试。
提示工程：可立即使用的技巧
实用的提示工程技巧如 system prompt、delimiter、few-shot、structured output 和 temperature，用 Spring AI 演示。
AI Agent 是什么：观察-推理-行动循环
通过观察-推理-行动循环理解 AI Agent 的本质，用 Java 21 从零实现一个最小化 agent，并用 JUnit 5 进行测试。
LLM 如何工作：token、context window 与采样
理解 LLM 的三个基础概念：token、context window 和采样，附带 Java 21 代码用于计数 token、截断聊天历史和自定义 temperature、top-k、top-p。
MCP 中的 tool、resource 和 prompt 有什么区别
根据各自的控制者区分 MCP 的三个 primitive：tool、resource 和 prompt，附带 Spring AI 示例和测试
RAG 从 A 到 Z：先获取文档再回答
用 Spring AI 构建完整的 RAG 管道：切分文档、生成嵌入、向量搜索、构建带引用的提示词并为每个步骤编写测试。
使用 sentence-transformers 创建文本 embedding
使用 sentence-transformers 创建 vector embedding，计算相似度，进行语义搜索，并从 Spring Boot 应用中调用模型。
调用 LLM API：temperature、top_p 和 max tokens
理解 temperature、top_p 和 max tokens 如何控制 LLM 的输出，以及在 Spring Boot 3 应用中使用 Spring AI 正确配置它们。
2026年GitHub热门AI仓库：详细解析与Agent实现示例
分析2026年GitHub热门AI Agent仓库背后的架构模式，并包含自建Java/Spring Boot Tool-Calling Agent的示例。
AI Agent 是什么？详细解释附 Java 示例
定义 AI Agent，与普通聊天机器人的区别，解释 ReAct 循环，以及用 Java 和 Spring AI 构建一个最小化的 agent。
免费AI栈：详细解析带代码示例
分析一个可以零成本运行的生产级AI架构，从前端、RAG、本地LLM到部署，附带实战代码示例。
5种AI Agent模式 - 详细解释和Java示例
学习构建AI Agent时的5种常见模式 - Reflection、Tool Use、Planning、Multi-Agent、ReAct - 附带可运行的Java/Spring AI示例。
GPT-Live 边听边说 — 工作原理与 Java 集成示例
解释实时 LLM 模型的双工（full-duplex）听说架构，附带 Spring Boot WebSocket 集成示例。
Hugging Face的Datasets库：数据加载和处理
Hugging Face Datasets库使用指南：加载、探索、转换和保存用于NLP模型训练的数据集
LLM 需要证据来回答正确：RAG 详解与 Java 示例
LLM 不会自动了解您公司的私有数据。本文解释 RAG 机制、为什么检索决定答案质量，并附可运行的 Java 示例。
MCP (Model Context Protocol) 是什么？面向 Java 开发者的解释
了解 MCP——LLM 与外部数据/工具之间的通信标准，附带使用 Spring AI 编写 MCP server 的示例。
为什么遍历搜索这么贵？: 详细解释及示例 (RAG)
RAG 中的 flat search 运行时间为 O(n) 且精度绝对，但在数据量大时成本昂贵。本文通过 Java 示例解释 IVF、nprobe 以及 recall/速度的权衡。