使用 Hugging Face Trainer 微调小型模型
本文介绍如何使用 Hugging Face 的 Trainer API 微调小型模型（DistilBERT）来进行产品评论分类，涵盖从数据准备到推理的全过程。
修正RAG文档无需覆盖：给LLM的正确更新方法
当源文档变化时，直接在向量库中覆盖容易导致数据不一致。本文介绍了RAG系统的安全版本管理流程。
微软 Ship AI Agent 框架：详细解析与示例
微软合并 Semantic Kernel 和 AutoGen 成为统一的 AI Agent 框架。本文解释架构、工作原理和 Java/Spring AI 实践示例。
用 Java 和 Spring Boot 编写第一个 MCP server
使用 Java 21 构建一个最小化的 MCP server，注册第一个 tool，并连接到 Claude Desktop 等客户端。
12 个 Claude Code 功能：详细解析与实例
汇总 Claude Code 12 个核心功能 — 从 CLAUDE.md、Plan Mode 到 Subagents — 配合 Spring Boot 项目的实践示例。
12篇改变一切的AI论文：详细解释与代码示例
汇总12篇现代AI基础论文——从AlexNet到RAG——配有Java代码演示每个核心思想。
AI 推理工程：详细解释与示例
了解 LLM 在推理过程中如何逐个生成 token，以及 KV cache、batching、quantization 等优化技术，以及如何使用 Java/Spring Boot 测量性能。
Embedding 语义查询：详细讲解与代码示例
学习如何用 embedding 将文本转换成向量来进行语义匹配，展示 RAG 实战应用的可运行 Java 代码示例。
Grab 用 AI Agent 提升生产力：详细讲解及代码示例
分析 Grab 等技术团队如何应用 AI Agent 于代码审查、问题分类和自动化重复任务，附带可运行的 Java/Spring AI 示例
Hugging Face Hub：查找和使用模型
指南：在 Hugging Face Hub 上查找合适的模型、查看模型卡片，以及通过 Python 和 Spring Boot 应用程序调用模型。
Hugging Face中的Tokenizer：原理与Java使用方法
了解Hugging Face的Tokenizer如何工作、如何通过DJL集成到Spring Boot应用中，包括encode/decode示例和具体的测试用例。
LLM 中的 20 个 AI 核心概念：详细解释与代码示例
汇总与 LLM 相关的 20 个基础概念 — token、embedding、RAG、fine-tuning、agent 等，附带易懂的 Java/Spring AI 代码示例。
MCP vs RAG vs AI Agent: 详细解释与代码示例
通过定义、架构和具体 Java 代码示例比较 MCP、RAG 和 AI Agent，帮助你了解何时使用哪一个。
Transformers Pipeline: 仅需几行代码运行 NLP 模型
使用 Hugging Face Transformers 的 pipeline() 函数运行情感分析、NER、摘要等任务，无需深入了解模型架构的指南。
从找到段落到有证据的答案在 RAG 中
找到相关段落并不意味着有答案。本文介绍了 rerank、混合搜索和 grounding 管道，使 LLM 能够提供有证据的答案，并在数据不足时拒绝回答。
用 AI 为开发节省时间：详细解释与实例
实用指南：如何使用 LLM 缩短编写代码、测试、文档的时间，包括 Spring Boot 项目中可运行的示例。