登录社区云,与社区用户共同成长
邀请您加入社区
DeepSeek Harness(dsh)发布仅两周,实则历经两个月内部打磨。本文基于Git历史与npm发布数据,梳理其从0.0.1-rc.1到0.1.1-rc.2的演进:命名重构、定位升维(Coding Agent→Agent Harness)、核心与扩展边界持续厘清,展现一个开源智能体运行时如何审慎定义自身能力疆界。
本文承接“手写最小 Agent”,从框架抽象层级出发,分析 Spring AI、LangChain4j、LangGraph 等主流 Agent Framework 究竟封装了什么。Spring AI 更适合将 AI 能力融入 Spring 应用,LangChain4j 强调 Java Service 化与类型化开发,LangGraph 则擅长状态、分支、循环、检查点和长任务编排。文章同时结合 Qw
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。
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。
阅读时长:6分钟 | 适合已接入DeepSeek但想做多轮对话的开发者。
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
本文带你拆解。
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。
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
Autowired@Bean@Description("根据用户ID查询最近订单列表")@Bean@Description("根据订单号查询物流状态")里的文字是给大模型看的,它会根据这段描述判断要不要调这个函数。所以描述要写清楚:这个函数是干什么的,参数是什么意思。我们早期有函数描述写得模糊,模型该调的时候没调,不该调的时候乱调,排查了好一阵子。
本文以科普风格分析了DeepSeek AI模型的涨价政策及其对用户的实际影响。通过真实消费数据(7天15.81元使用4亿tokens)推算,涨价后账单可能增长31-63倍(至490-1000元/周)。关键变化在于引入峰谷定价机制,特别是缓存命中价格暴涨12倍,这对依赖长上下文的开发者影响显著。 横向对比显示,即便涨价后DeepSeek仍保持价格优势:输出价格仅为国内竞品的1/3,国际模型的1/8;
摘要: DeepSeek因价格低、性能强(如V4-Pro发布后Token消耗达8万亿)广受欢迎,但缺乏多模态能力,无法处理图片,影响代码报错调试、前端设计等场景。开源项目claude-vision-skill通过调用识图模型(如阿里千问)将图片转为文字描述,间接为DeepSeek补足“视觉”能力。安装简单,新用户可享免费额度(100万Token约7000次识图),成本仅约0.02元/次。实际测试中
对应的模型版本从预览版切换成了,也就是V4 Pro的正式版。没有发布会,官方更新日志至今没动静,最先发现变化的不是公告,而是文档和实际调用端。据腾讯新闻等媒体报道,几乎同一时间SpaceXAI发布了Grok 4.6,两款主打高性价比的模型在同一天"撞车"。
2026年8月12日DeepSeek上线V4 Pro最新正式迭代版(调用接口不变,内核大幅升级),1.6T总参、49B活跃MoE架构,原生支持100万token超长上下文,Agent/代码推理跑分大幅追赶Claude Fable5;同步配套轻量化V4 Flash,二者定位分层清晰。本文结合国内API真机实测,拆解双模型架构差异、内外双套定价成本测算,提供Responses API、Codex完整可
海外的大模型已经轮番上阵,在春节前的最后这几天,国内大模型也必然会卷起来,包括 DeepSeek v4 也许即将到来。你期待住了吗?
DeepSeek V4 Pro正式版发布:1M上下文、384K输出,价格只有Fable 5的六十分之一。本文从价格、能力、跑分可信度拆解,说清该不该切。
本文记录了Java后端程序员学习大模型应用开发的实践过程。作者首先安装Ollama本地运行7B参数的Qwen2.5模型,测试发现其在编程和常识问题上表现良好,但存在"幻觉"问题。接着将Ollama接入Spring Boot项目,通过Spring AI实现基础对话功能,并改进为流式输出以提升用户体验。
400 万个 tokens。Claude Sonnet 4.6,$3 输入 / $15 输出,保守估算下来将近 $26。不是说它贵,是突然意识到:这只是一周的编码量。如果是个认真用 AI 工具的工程师,每个月的消费可能超过一台云服务器。然后 2026 年 4 月 24 日,DeepSeek 发布了 V4,并在三天后(今天,4 月 27 日)宣布 V4-Pro 限时降价 75%。我把 Claude
上周需求评审,AI工具给我团队上了一课。产品经理说要把登录模块的权限校验逻辑重构一下,顺带把几个接口加个缓存。我顺手把需求丢给 Claude Code,让它生成代码。半小时后,代码生成了,测试也过了,提交到主分支。第二天上线,监控报警——缓存键冲突导致用户数据串号,权限校验逻辑被"优化"掉了关键分支。一个下午的线上事故,起因是AI把"重构权限逻辑"理解成了"精简权限逻辑"。这件事之后我开始重新审视
Spring‑AI 0.8.1,Milvus 2.4+,JDK17,SpringBoot3.x 整体流程:文档加载 → 文本分块 → Embedding 向量化 → 存入 Milvus 向量库 → 检索向量 → 组装上下文 Prompt → LLM 生成回答。依赖:SpringAI Milvus 向量存储、OpenAI 兼容大模型(Qwen/DeepSeek 均可)、BGE embedding(本
Spring-AI 接入(本地大模型 deepseek + 阿里云百炼 + 硅基流动)
2027届的毕设季已经拉开序幕。如果你还在做一个"用户管理+增删改查+分页查询"的管理系统,答辩时大概率会被评委一句"创新点在哪里"问住。今年最大的变化是:大模型API的价格已经低到学生党也能承受,而Spring官方推出的Spring AI框架让接入过程缩短到了几十行代码。一个能对话、能理解上下文的智能问答模块,正在从"锦上添花"变成"毕设标配"。
API 这个词在前端框架、云服务、后端开发中随处可见,但它们的含义并不相同。本文用最通俗的方式,一次性讲清楚 API 的三种常见形态,帮你建立完整的知识体系。
探讨了在Spring AI项目中实施工程保护措施的必要性。作者分享了将DeepSeek模型接入抽奖系统时的实践经验,强调AI功能需要与传统业务系统不同的特殊处理。关键保护措施包括: 配置治理:通过环境变量管理敏感信息,支持灵活切换模型服务 熔断机制:当模型API连续失败时自动切断调用,防止级联故障 降级策略:在AI不可用时提供本地备选方案,确保业务连续性 审计日志:记录所有AI调用的详细信息,便于
Spring AI 实战系列第2篇摘要(146字) 本文深入讲解Spring AI实战中的三大核心问题:模型集成、对话控制和Prompt工程化。主要内容包括: ChatClient与ChatModel的区别及最佳实践 多模型统一接入方案(OpenAI/DeepSeek等) Prompt工程化管理方法 流式输出与SSE对接注意事项 对话历史Token超限处理方案 重点演示了国产DeepSeek模型的
本文介绍了基于Spring AI的全链路智能助手实现方案,整合了DeepSeek对话模型、千问Embedding、Milvus向量数据库和Redis记忆存储。该项目支持多轮对话、工具调用、记忆存储和文档检索能力,主要包含以下核心组件: 技术架构 对话层:DeepSeek ChatModel处理用户交互 向量层:千问Embedding + Milvus实现文档检索 记忆层:Redis存储对话历史 工
一、记忆管理:短期 + 长期融合Spring AI 自带的 InMemoryChatMemoryRepository 进程一重启就清空了,做 Agent 显然不够用。我们参考了 JavaClaw 和 Claude Code 的做法,把记忆分成两层,都落到同一个 workspace 目录下:层级谁来写落在哪里给模型的方式。
本文对2023年主流大语言模型API平台进行了全面对比分析。结果显示,DeepSeek-V3、GPT-4o-mini和GLM-4-Flash在性价比方面表现突出,分别适合通用对话、内容生成和中文场景。国际平台如OpenAI、Anthropic在生态完善度和模型能力上领先,而国内平台如百度千帆、阿里百炼在中文理解和本地化服务方面更具优势。研究建议开发者根据具体需求(推理能力、中文理解、多模态支持等)
先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。摘要:最近把 Claude Code 从个人玩具塞进团队日常迭代后,发现不少原本以为是“提效神器”的地方反而成了阻塞点。这篇文章不聊参数对比,只复盘我在真实项目里踩过的坑、推翻的假设,以及最后怎么把结对编程的节奏调顺。如果你也在评估是否引入这类工具,或者刚上手还在蜜月期,建议对照着看看。目录Claude Code 适
同时提供流式推理展示、ngrok 公网隧道等一系列实用功能。
我们公司做的是一套企业级低代码平台,技术栈是 Spring Boot 3.4 + Java 21。去年Q4产品经理甩过来一个需求:平台要支持13家AI供应商,让企业客户自己选模型——OpenAI、Azure OpenAI、智谱、DeepSeek、通义千问、文心一言、讯飞星火、Gemini、Ollama、豆包、MiniMax、Moonshot、Claude,一个都不能少。需求评审会上我问了一句"为啥
Spring AI 是 Spring 官方推出的一个项目,旨在将生成式 AI 能力无缝集成到 Spring 生态系统中。它提供了一套统一的 API 和抽象,让 Java 开发者能够轻松地在应用中调用各种大语言模型(如 OpenAI GPT、Anthropic Claude、Google Gemini 等)、嵌入模型和图像生成模型,而无需关心底层供应商的 API 差异。简化 AI 集成,提升开发效率
基于Spring AI的抽奖系统智能运营助手设计与实现:介绍了一个企业级抽奖系统中AI运营助手的工程化实现方案。该系统在传统抽奖业务基础上,通过集成Spring AI框架和DeepSeek模型,为运营人员提供智能问答、活动草稿生成、通知文案生成等功能。核心创新点包括: 采用Tool Calling机制,将自然语言查询转换为后端只读接口调用,确保数据准确性; 严格权限控制,所有AI操作需管理员身份验
摘要: VibeCoding(氛围编程)是由OpenAI联合创始人Andrej Karpathy提出的新型编程范式,通过自然语言描述需求,依赖大模型(如GPT、Claude)生成代码,开发者仅需验证和反馈错误即可完成开发。其核心特点是自然语言驱动、AI全权生成代码、报错即反馈,大幅降低编程门槛,适合快速原型开发或简单脚本编写。
相较于网页端、命令行版本,桌面端提供可视化操作、内置终端编辑器、多会话并行隔离、本地项目无缝挂载能力,无需配置复杂环境,可完全替代多款 AI 工具,适配开发者、办公人员全场景使用。原生集成终端、代码编辑器、可视化 Diff 对比、应用预览能力,无需切换 IDE、终端、浏览器,可直接完成代码修改、命令执行、效果预览、PR 审查全流程操作。支持桌面一键截图上传,自动识别报错日志、页面 BUG、图表数据
更重要的是,它不仅提供了 LLM 调用层,还构建了一套完整的 Agent 体系、RAG 管道、多 Agent 协作协议和智能体运行时引擎。Spring AI 目前支持 20+ 模型供应商,包括 OpenAI、Azure OpenAI、Anthropic、Google GenAI、Amazon Bedrock、Ollama、DeepSeek、Mistral AI、Groq 等,覆盖面目前是 Java
老规矩,直接上答案**:多智能体常见的工作模式,主要有下面三种,基本覆盖了90%的业务使用场景。