java标签_DeepSeek技术社区

java

DeepSeek总结的DuckDB Java 驱动程序中的分块查询结果

DuckDB Java 驱动程序现在可以将查询结果作为按需获取的列式数据块序列返回，避免了 JDBC 逐行处理 ResultSet 及其单值开销。

l1t
2026-08-23 09:35:55

 406

 9

#java #开发语言 #数据库
DeepSeek Harees 上下文自动压缩与提炼配置指南

摘要： DeepSeekHarees结合billion-context-dsh插件，通过上下文自动压缩机制解决长对话中的Token占用问题。当上下文压力达到设定阈值（如60%），系统自动将早期对话压缩为摘要，保留最近20%内容及关键提示词。配置方法为在settings.yaml中添加dsh-compaction-basic模块并设置参数（enabled:true、thresholdRatio等），

摔倒的红烧肉850
2026-08-22 21:53:46

 434

 11

#java #前端 #linux
Spring AI快速入门

在当今这样一个快速发展的技术时代，人工智能（AI）已经成为各行各业的一种标配。而作为一款主流的Java应用开发框架Spring，肯定会紧跟时代的潮流，所以，推出了Spring AI框架。DeepSeek 是一款由深度求索所开发的 AI 人工智能大模型，其基于深度学习和多模态数据融合技术，采用先进的 Transformer 架构和跨模态协同算法，可实现对复杂文档和图像的自动化解析与结构化信息提取。

赵广陆
2026-08-22 11:41:31

 265

 6

#spring #人工智能 #java
DeepSeek‑V4‑Flash‑Vision‑Exp 小白入门实战｜3种传图方式、完整可跑代码、避坑排障

DeepSeek新上线实验版多模态模型，很多新手照着官方文档调用，频频报400错误、图片识别失败、token莫名暴涨。本文站在新手开发者角度，讲清3种传图方式分别适合什么场景，提供极简可复制Python示例，梳理高频踩坑清单，帮你快速跑通识图、截图OCR、图表分析业务。适合刚接触多模态API的后端、Agent开发初学者。关键词：DeepSeek视觉API；多模态；Files API；base64；

qq_36729037
2026-08-21 18:28:01

 764

 23

#java #前端 #人工智能
Gemini 3.7 Flash API 接入指南：$0.75 的价格，和 minimal 档被删掉的坑

Gemini 3.7 Flash 在 2026-08-13 上线，输入 $0.75、输出 $3.75（每百万 token）。这个价有两个附加条件：它写死到 2026-12-31，之后翻倍；而且 Gemini 3.6 Flash 现在挂着一模一样的价。真正会让迁移代码挂掉的是另一件事。thinking 档位从四个变成三个，minimal被拿掉了，官方规格页在那一行下面加了一句最后更新 2026-08

ofoxcoding
2026-08-21 18:09:18

 290

 5

#java #数据库 #前端
这周AI圈杀疯了：DeepSeek涨价1100%、Qwen屠榜、Java老兵新传

1. AI“水电煤”涨价了DeepSeek的涨价标志着大模型API正在从“补贴获客”走向“商业盈利”的阶段。对开发者来说，优化Token消耗和成本控制将变得更加重要。2. “中国开源”成为关键词以阿里Qwen为代表的中国模型，正在从技术追随者变成全球开源生态的重要引领者，其生态影响力与日俱增。3. Java老兵新传Spring Boot生态依然活跃，版本迭代迅速，并且积极拥抱AI时代，为Java开

 MOONifm
2026-08-21 15:28:25

 316

 11

#人工智能 #java #开发语言
OpenJDK封杀AI代码、两位Java老兵却用AI写出18万行运行时：Java开发者该慌还是该笑？

2026年3月，Java生态出现两个对立事件：OpenJDK颁布全面禁令，严禁任何AI生成内容进入贡献，理由是难以审查和追责；与此同时，两位Java专家却用ClaudeCode成功开发出18万行代码的JakartaEE运行时Vidocq，通过5650项官方测试。核心矛盾在于代码责任归属——Vidocq通过严格测试确保AI代码可靠性，而OpenJDK担忧未经验证的AI代码风险。这提示开发者：AI代码

 SoFlu软件机器人
2026-08-21 14:30:00

 332

 4

#人工智能 #java #开发语言
Spring AI2.0 + DeepSeek 完整版实战：上下文记忆｜内存/Redis/官方ChatMemory三种方案｜流式SSE｜Tool工具调用｜结构化输出｜超时异常处理

摘要：本文介绍了基于Spring AI 2.0与DeepSeek的工业级对话服务实现方案，包含三种上下文记忆管理（内存管理器、Redis存储、官方ChatMemory）、SSE流式输出、Tool工具调用、结构化输出等功能。文章提供了完整的Maven依赖配置和YAML配置文件，并解决了Spring AI 2.x中baseUrl不生效的问题，为开发者构建高效、稳定的AI对话服务提供了详细指南。

Pilgrims 🎈
2026-08-21 09:58:20

 255

 5

#spring #redis #java
【第三部分：第一个 Agent 应用】10. 不使用框架，手写一个最小 Agent

本文通过手写一个最小 Agent，拆解 Agent Loop 的核心机制：模型基于 Messages 判断下一步，必要时通过 Function Calling 选择 Tool，程序执行后将 Tool Result 作为 Observation 写回上下文，再次交给模型继续决策，直到任务完成。文章结合天气查询与计算示例，说明终止条件、异常处理和执行轨迹的重要性，并进一步对照 DeepSeek Har

weixin_42258782
2026-08-21 08:00:00

 662

 17

#人工智能 #java #开发语言
DeepSeek LeetCode LCP 27. 黑盒光线反射 Java实现

这道题的核心是。

稚辉君.MCA.P9.JAVA
2026-08-21 00:08:02

 98

 1

#java #后端 #数据结构 +2
DeepSeek Harness 实践指南：从安装到自写插件，吃透「一切皆插件」

本文介绍了DeepSeek Harness（DSH）这一AI代理开发框架的核心概念与实践指南。主要内容包括：框架定位：DSH采用"Model + Harness"架构，强调"一切皆插件"的设计理念，提供高度可定制化的开发底座，与开箱即用的成品Agent形成对比。快速入门：详细说明了30分钟上手指南，包括环境准备、两种安装方式（npx快速启动/源码开发）、首次配置的5个关键步骤和验证任务。四种

 Zzydzyg0618
2026-08-20 22:55:04

 474

 3

#人工智能 #java #c语言 +3
SpringBoot+Ollama+DeepSeek 有色行业智能装车拣配实战

本文探讨了有色金属散货装车场景中的库存匹配痛点，提出基于DeepSeek大模型的智能配载解决方案。传统人工配载方式在单一品种大批量订单处理中存在效率低下、误差率高的问题。文章详细介绍了"传统算法初筛+大模型优化"的双层架构设计：底层采用贪心算法快速生成候选组合，上层利用DeepSeek进行路径优化、库区优先级等业务规则校验。方案通过SpringBoot集成Ollama实现本地化部署，确保数据安全，

xuemeng2016
2026-08-20 14:30:35

 338

 4

#spring boot #后端 #java
DeepSeek Harness 设计解析：从 Agent Harness 的六个关键决策讲起

Agent 声称任务完成，测试却没跑；长任务跑了一阵，开头的约束开始丢失；重开会话需要反复交代背景；想让它离线跑，又频繁卡在权限确认上。本文沿用「How to Design an Agent Harness」（下文简称：Agent Harness 设计）中归纳的六个设计面，并以 DeepSeek Harness（dsh）为工程样本，围绕这些问题展开：Loop 如何驱动、工具如何暴露、上下文如何组

 码士集团小青
2026-08-19 20:48:55

 1670

 4

#java #前端 #数据库
DeepSeek Harness 完整解析：从“Everything is a Plugin”到可恢复、可审计的 Agent Runtime

本文从 Agent 工程化视角系统解析 DeepSeek Harness 的整体架构与核心机制。文章重点介绍其基于 Cordis 的“Everything is a Plugin”插件化设计、以 Session Event Log 为核心的事件溯源状态模型、上下文与持久状态分离、工具可见性与执行权限控制，以及 Goal、Ralph、Workflow、Jobs 等长程任务编排能力。同时分析 Sand

小小怪当码农
2026-08-19 17:32:55

 394

 7

#java #大数据 #微服务 +1
国产大模型缓存计费真相：GLM/Kimi/DeepSeek/Qwen 四家机制不同（2026-08）

摘要：国产大模型API的缓存计费机制存在显著差异，GLM、Kimi、DeepSeek为自动缓存，Qwen需手动配置显式缓存。DeepSeek最新调价后，缓存命中价仅为未命中价的3.3%（峰谷时段统一比例），四家模型的实际折扣比例相差近6倍。缓存命中率对成本影响巨大，例如80%命中场景下，DeepSeek总费用最低（$21.56），而30%命中时Kimi费用激增至$279。Qwen3.8-27B目

 ?? Daisy
2026-08-19 16:54:58

 549

 11

#缓存 #spring #java
Spring Boot 3.x 接入DeepSeek，凌晨3点才搞定这三个坑

阅读时长：6分钟 | 适合想把DeepSeek集成到Spring Boot项目的开发者。

MOONifm
2026-08-19 14:50:01

 325

 12

#spring boot #后端 #java
用 200 行 Java 造一个 Claude Code：spring-ai-agent-utils 完全指南

本文带你拆解。

lbl_lambert
2026-08-19 14:19:37

 540

 9

#人工智能 #java #spring
DeepSeek Harness 设计解析：从 Agent Harness 的六个关键决策讲起

DeepSeek Harness 是一款“一切皆插件”的开源Agent执行框架，聚焦长任务可靠运行：通过可替换的Loop机制、按需暴露的工具Schema、动态管理的上下文、事件驱动的持久状态、分层权限控制及多维验证体系，解决任务中断、约束丢失、上下文污染与验收失真等核心痛点。

七牛开发者
2026-08-19 13:55:29

 555

 19

#java #前端 #数据库
70B模型跑在24G显卡上？2026大模型私有化部署，一张图帮你选对路

2026年大模型私有化部署指南：开源模型能力提升，部署工具成熟，提供场景化选型方案。开源模型如Kimi K3、DeepSeek-V4-Pro等已具备1M以上上下文处理能力，量化技术让消费级显卡运行27B参数模型成为可能。决策图涵盖个人PC、企业API、长文本RAG等场景，推荐Qwen3.8-27B（个人）、DeepSeek-V4-Flash（企业）、Llama 4 Scout（长文本）等模型。FP

zhengliebin
2026-08-19 09:36:01

 345

 6

#人工智能 #微服务 #架构 +4
飞算JavaAI和DeepSeek-V3写车联网OTA系统，差距有多大？

DeepSeek-V3搭了一套漂亮的项目骨架——pom.xml完整、实体规范、错误码清晰。但13个核心业务文件全部留白，车联网OTA系统不是搭完表结构就能上线的：车企A推了车企B的固件怎么办？灰度发布到一半状态被手动改掉怎么办？设备回调超时了谁来重试？设计层面想到了（表里有oem_id、retry_count、rollback_threshold），代码层面全断了线。

qwe0iop0
2026-08-19 09:12:03

 5438

 6

#java
飞算JavaAI和DeepSeek-V3写同一个政务系统，代码差距藏在哪？不在功能在细节

A：DeepSeek的功能覆盖度不错，动态审核链用数据库模板配置、幂等提交用Redis token、并发审核用分布式锁加乐观锁、跨部门核验用Feign。但部门数据权限没有实现、材料版本校验有字段没逻辑、状态机没有流转校验、审核流转方法是空方法。A：包含7种状态流转、动态审核链、材料版本校验、电子签章回调、跨部门核验、制证失败补偿。飞算JavaAI将需求拆解为14个关键点。

qq_40635035
2026-08-19 09:10:16

 4747

 7

#AI #人工智能 #java
同一个Java需求分别丢给飞算JavaAI和DeepSeek-V3，生成的代码差距有多大？

这次对比让我看清一件事：通用大模型不是"写不出功能"，而是"想不到边界"。DeepSeek的动态审批链、幂等提交、乐观锁并发控制、异步脱敏、失败补偿都写了，功能覆盖度比我预期的好。但数据权限只有AOP空壳没有实际过滤、审批链规则硬编码在if-else里、状态机没有流转校验方法、脱敏任务没有独立表——功能写了，细节漏了。敏感数据导出系统不允许"差不多就行"：行列级数据权限只有注释没有实现，意味着非授

 Dicky-_-zhang
2026-08-19 09:08:01

 4768

 12

#java #AI
Java专有模型 vs DeepSeek-V3：都是AI写代码，凭什么“小模型“敢跟大模型叫板？

这次对比让我看清一件事：通用大模型不是"写不出功能"，而是"想不到边界"。DeepSeek-V3的动态审批链、预算控制、发票幂等都写了，但预算释放没有占用记录表、部门权限设计提到却没实现、状态校验散落各处改漏就出bug。飞算JavaAI的27个关键点拆解中提到的每个技术点，代码里都有对应实现，17张表比DeepSeek的9张多了预算占用记录表和审批规则配置表——多出来的不是冗余，是业务理解的深度。

@蔓蔓喜欢你
2026-08-19 09:05:46

 5645

 12

#java #开发语言
飞算JavaAI和Deepseek-V4-Pro写多租户系统，6分钟vs15分钟差距在哪？

Deepseek-V4-Pro 自己实现了。它先判断是否为 SELECT，再通过ID 把作用域限制在return;return;EMPLOYEE 注入，MANAGER 注入部门子查询，ADMIN 不追加行级条件。上下文或角色字段缺失时抛业务异常，整体更接近 fail-closed：无法确定权限时拒绝继续查询。图9：Deepseek-V4-Pro显式限制CustomerMapper，并自行解析、改写

 第一程序员
2026-08-19 08:59:27

 7238

 6

#AI #人工智能 #java
同一个优惠券并发需求，我分别丢给飞算Java专家模型和DeepSeek-V4-Flash：都能编译，工程细节差在哪？

现在再拿“用户表增删改查”测试 AI 写 Java，已经很难看出模型之间的真实差异了。Controller、Service、Mapper 都能生成，并不代表模型真正理解了业务。到了优惠券系统，难点往往藏在那些不显眼、但一出问题就会造成资损的细节里：同一张券能不能被重复领取？核销和退款并发发生时，状态会不会被覆盖？Redis 锁释放失败怎么办？数据库更新时有没有把身份、状态和有效期一起校验？为了观察

 亚历克斯神
2026-08-19 08:43:42

 4858

 8

#java #开发语言 #AI +1
一条迟到回调，为什么能改乱运单？飞算 JavaAI 与 DeepSeek-V3 的状态机测试

A：飞算JavaAI 3.9.9在运单追踪中实现了双时间轴设计：轨迹按发生时间排序，主状态遵循单向流转，已签收运单收到迟到事件时只补历史轨迹，不回退主状态。A：系统按外部事件编号去重，同一事件第二次进入时返回成功但不新增轨迹，避免重复写入。A：飞算JavaAI先识别双时间轴、状态机和事件去重，再生成Controller；测试覆盖了重复回调、乱序补录、异常件和签收终态等场景。

左手厨刀右手茼蒿
2026-08-19 08:31:17

 4682

 8

#java #AI #人工智能
Claude Code 高效省 Token 综合指南：从上下文架构到工作流优化

Claude Code 的 Token 消耗本质上是一个上下文管理问题，而非单纯的提示词精简问题。本文综合多篇关于 Claude Code 省 Token 与提效的实践指南，系统梳理了从项目记忆、提示词工程、模型选择、工作流设计到工具链优化的完整方法论。核心结论是：要获得 60%–80% 的 Token 节省，必须设计好上下文架构——控制自动注入的上下文、缩小任务搜索范围、及时压缩会话、把高噪音工

 天空之城--
2026-08-19 05:55:59

 298

 5

#架构 #java #运维
DeepSeek V4 API 正式调价：峰谷计价落地，开发者该如何重新算账？

2026 年 8 月 17 日 0 点（北京时间），DeepSeek-V4 系列 API 的全新定价正式生效。与此同时，V4-Pro 结束测试阶段，全面转为正式版商用服务。本文价格数据均来自 DeepSeek 官方公告（2026 年 8 月 17 日 0 时生效），以官方页面为准。

maradona_luo001
2026-08-18 16:12:23

 561

 16

#java #前端 #spring +1
DeepSeek Harness 到底在卷什么？把 Agent 拆成零件后，Java 后端怎么入局（Spring AI 2.0 + AgentScope Jav

摘要：随着DeepSeek Harness开源，Agent开发竞争重点从模型层转向执行层。本文解析其“一切皆插件”的设计理念，并通过Spring AI 2.0的@Tool + ChatClient和AgentScope Java 2.0的HarnessAgent，探讨Java后端如何参与Agent开发。文章指出，Agent的核心挑战在于工具调用、上下文管理等工程问题，而非模型本身。DeepSee

小尘睡不饱
2026-08-18 13:18:24

 337

 5

#java #spring #人工智能