spring boot标签_DeepSeek技术社区

spring boot

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
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
DeepSeek API response_format: json_object 避坑指南

坑一句话解法prompt 没有 "json"消息里老老实实写 jsonJSON 被截断max_tokens 给足 2048markdown 代码块包裹解析前 cleanJson 清洗字段类型漂移prompt 给输出示例特殊字符没转义明确转义要求 + 失败重试结构化输出不是开了就万事大吉，真正稳的是一套"提示词约束 + 清洗 + 兜底重试"的组合拳。

luffy113088
2026-08-13 10:44:34

 236

 5

#spring boot
【Java后端转AI工程（一）：AI入门篇 —— 从零搭建 Spring AI 对话 API + LoRA 微调实战】

面向 Java 后端工程师的 AI 转型实战指南，系统讲解全脱产学习第一个月的核心内容：从 Token、Embedding、Attention 等 AI 基础直觉认知起步，到用 Spring AI 框架搭建带 Function Calling 工具调用、ChatMemory 多轮记忆和 SSE 流式输出的对话 API，再到使用 LLaMA-Factory 对 Qwen2.5-7B 进行 LoRA

剧中有戏
2026-08-11 10:58:22

 391

 17

#java #深度学习 #spring boot +1
基于YOLOv8/v10/v11/v12与SpringBoot的前后端分离火灾检测Web系统（DeepSeek智能分析）

本文设计并实现了一套基于YOLOv8/v10/v11/v12算法与SpringBoot框架的前后端分离火灾检测Web系统。系统旨在通过深度学习技术，实现对火灾早期特征——火焰（'fire'）与烟雾（'smoke'）——的精准、实时识别。项目采用自建数据集，包含6,744张高质量标注图像（训练集4,832张、验证集1,000张、测试集912张），确保了模型的鲁棒性。系统核心提供了一个集用户管理、实时

 BQAIT
2026-02-28 21:40:30

 777

 23

#spring boot #前端 #人工智能 +3
基于深度学习的安全帽佩戴识别检测系统（最新web界面+YOLOv8/YOLOv10/YOLOv11/YOLOv12+千问+DeepSeek智能分析 +前后端分离）

本文详细介绍了一套功能完整、技术先进的“基于深度学习的安全帽佩戴识别检测系统”。该系统旨在解决工业生产、建筑工地、电力巡检等高风险场景下的人员安全监管难题。系统核心采用当下最前沿的YOLO系列目标检测模型（集成YOLOv8、YOLOv10、YOLOv11及YOLOv12），实现了对“安全帽”（helmet）和“头部”（head，即未佩戴安全帽）两类目标的高精度、实时检测。项目不仅构建了强大的算法后

 BQAIT
2026-02-28 21:53:26

 222

 3

#深度学习 #spring boot #python +2
基于深度学习的皮肤病识别检测系统（web界面+YOLOv8/v10/v11/v12+DeepSeek智能分析 +前后端分离）

本论文介绍了一个基于深度学习的综合性皮肤病识别与检测系统，该系统集成了最新的YOLO系列目标检测算法、DeepSeek智能分析引擎和现代化的Web交互界面。系统实现了对七种常见皮肤病变的自动识别和分类，包括鲍温氏病、基底细胞癌、良性角化病变、皮肤纤维瘤、黑色素瘤、黑色素细胞痣和血管病变。通过构建前后端分离的架构，系统提供了用户友好的Web界面，支持图片、视频和实时摄像头检测等多种输入方式。系统采用

 BQAIT
2026-02-28 21:49:32

 285

 8

#深度学习 #前端 #目标检测 +3
基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的手机检测系统（千问+DeepSeek智能分析+web交互界面+前后端分离+YOLO数据

YOLOv8 由 Ultralytics 于 2023 年 1 月 10 日发布，在准确性和速度方面提供了尖端性能。基于先前 YOLO 版本的进步，YOLOv8 引入了新功能和优化，使其成为各种应用中目标检测任务的理想选择。YOLOv8 的主要特性YOLOv8 采用最先进的骨干和颈部架构，从而改进了特征提取和目标检测性能。YOLOv8 采用无锚点分离式 Ultralytics head，与基于锚点

 BQAIT
2026-03-01 13:20:32

 298

 5

#spring boot #目标检测 #深度学习 +2
基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的手势识别检测系统（千问+DeepSeek智能分析+web交互界面+前后端分离+YOLO数据）

随着人机交互技术的快速发展，手势识别作为自然、直观的非接触式交互方式，在人机界面、智能控制、辅助交流等领域展现出巨大的应用潜力。本研究设计并实现了一套基于深度学习与Web架构的手势智能识别系统，专门针对26个英文字母手语手势进行高精度检测与分类。系统创新性地集成了YOLOv8、YOLOv10、YOLOv11和YOLOv12四种先进的目标检测模型，构建了可灵活切换的多模型识别引擎。通过构建包含720

BQAIT
2026-03-01 13:18:45

 426

 10

#spring boot #前端 #后端 +3
基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的扑克牌识别检测系统（千问+DeepSeek智能分析+web交互界面+前后端分离+YOLO数据)

YOLOv8 由 Ultralytics 于 2023 年 1 月 10 日发布，在准确性和速度方面提供了尖端性能。基于先前 YOLO 版本的进步，YOLOv8 引入了新功能和优化，使其成为各种应用中目标检测任务的理想选择。YOLOv8 的主要特性YOLOv8 采用最先进的骨干和颈部架构，从而改进了特征提取和目标检测性能。YOLOv8 采用无锚点分离式 Ultralytics head，与基于锚点

 BQAIT
2026-03-01 13:16:00

 610

 11

#spring boot #前端 #python +3
基于YOLOv8/YOLOv10/YOLOv11/YOLOv12与SpringBoot的森林火灾烟雾检测系统（DeepSeek智能分析+web交互界面+前后端分离+YOLO数据

森林火灾是全球面临的重大生态安全挑战，及早发现并预警火情对保护生态环境和人民生命财产安全至关重要。本研究设计并实现了一套集先进深度学习技术与现代化Web架构于一体的森林火灾烟雾智能检测系统。该系统创新性地集成YOLOv8、YOLOv10、YOLOv11和YOLOv12四种最新目标检测模型，专门针对"火焰（fire）"和"烟雾（smoke）"两类关键火情特征进行高精度识别。

BQAIT
2026-03-01 13:15:18

 580

 8

#spring boot #前端 #python +2
Qwen3-Max 压缩Trie如何影响查询性能？

压缩 Trie（如 Radix Tree、Patricia Trie）在减少内存占用的同时，对查询性能的影响是双刃剑：在多数场景下提升性能，但在某些情况下可能轻微下降。短单词（≤5 字符）极快（O(1) 跳转）略慢（需字符串比较）原始 Trie。压缩 Trie：4 层（“/usr”, “/local”, “/bin”, “/java”）高扇出节点O(1) 访问O(k) 遍历边原始 Trie（除非

 稚辉君.MCA.P9.JAVA
2026-03-01 10:09:22

 342

 10

#java #算法 #数据结构 +2
DeepSeek API 调用 - Spring Boot 实现

Spring Boot 实现提供了一个健壮、可扩展的 DeepSeek API 调用方案，利用响应式编程提供高效的流式对话体验。

qqacj
2026-03-21 01:11:07

 271

 4

#spring boot #windows #后端
双非本科大三夜话：怎么在AI浪潮里确定方向，够到自己理想的未来

我上大一的时候刚接触DeepSeek，家里有亲戚在幻方量化，有第一手的资源，可惜那时没开智，依然翘课打游戏。大模型训练门槛极高，纯提示词太浅层，唯独智能体开发对本科生友好，不用深啃数学、不用疯狂刷算法，核心就是Python基础、项目落地、业务对接、工程实操，靠后天努力能练出来，也是目前中小厂缺口最大、薪资最稳的新兴岗位。该找实习了还是一头雾水，简历发出去好多，面试也面了几个，要么就是只考八股文的外

 有懒
2026-08-07 07:56:01

 301

 5

#python #java #spring boot +1
基于YOLOv8|v10|11|v12|26+SpringBoot+Vue的蘑菇毒性检测系统：多版本模型对比与AI智能分析

随着深度学习技术的飞速发展，目标检测算法在农业、医疗、安防等领域展现出广阔的应用前景。本文详细阐述了一套基于四种主流目标检测模型的蘑菇毒性检测系统。系统采用三层架构设计，集成了DeepSeek和Qwen两大AI大模型，实现了图像、视频、摄像头三种检测模式，并对多版本YOLO模型的性能进行了深入对比分析。关键词：YOLOv8；YOLOv10；YOLOv11；YOLOv12；YOLO26；蘑菇毒性检测

 斌擎人工智能官方账号
2026-07-27 13:28:35

 512

 22

#spring boot #vue.js #深度学习 +1
毕业设计：基于SpringBoot+DeepSeek的智慧健康管理平台（源码）

本文介绍了一个基于SpringBoot与DeepSeek的智慧健康管理平台。项目针对当前健康管理领域的需求，将大语言模型技术与健康监测相结合，构建具备智能分析功能的健康管理系统。系统采用B/S架构，后端基于SpringBoot框架，集成MySQL和Redis数据库，前端使用Vue.js。核心功能包括健康数据管理、AI健康助手、运动知识管理、健康评估等，通过DeepSeek大模型提供个性化健康建议。

csdnFIRE
2026-07-14 08:51:04

 511

 15

#人工智能 #spring boot #vue.js
Claude Code 实战：最容易踩的几个坑

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

 头像违规？？
2026-07-08 15:52:34

 235

 4

#java #spring #spring boot
Spring AI 1.1.3接入实践：在Spring Boot 3项目中集成多家AI供应商的真实经历

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

 Clf丶忆笙
2026-07-07 12:03:29

 917

 23

#spring #人工智能 #spring boot +2
面试官：为什么 Claude Code 放弃了 RAG(检索增强生成)

本文探讨了AI编程工具为何逐渐放弃传统RAG（检索增强生成）技术。传统RAG依赖向量数据库检索代码片段，但存在结构不匹配（代码需要精准结构而非语义相似）、索引滞后（代码频繁修改导致索引过时）等问题。新兴工具如Claude Code转向"智能体主动检索"，利用大模型自身能力（如200K上下文窗口）和工具调用（grep/文件系统）直接探索最新代码，虽消耗更多Token但保证了精准性和时效性。这种转变反

 梦想开拓者
2026-07-07 10:47:52

 383

 9

#人工智能 #java #spring boot +2
三步将 AI（大模型--智谱）RAG-增强检索-- 整合进 Spring Boot项目，

在开始三步集成前，先确保你已准备好以下基础环境：JDK 17+：Spring Boot 3 和 Spring AI 基于较新的 Java 版本，确保你的 JDK 版本不低于 17。Maven 或 Gradle：本文以 Maven 为例，它是我们管理项目依赖的得力助手。一个顺手的 IDE：选择你最熟悉的 IDE 即可，本文以 IntelliJ IDEA 为例。一个 LLM厂商的 API Key：本文

 你的菊花
2026-07-02 14:38:01

 260

 6

#人工智能 #spring boot #后端
计算机毕业设计278—基于Springboot+Vue3的宠物社区系统(源代码+数据库+开题报告+任务书+19000字论文+答辩ppt)

用户：宠物论坛：发帖、评论、点赞、收藏、分享、举报、我的宠物管理、健康记录管理社交：我的关注、我的粉丝、私信deepseek服务AI宠物助手宠物就医服务：服务预约、取消预约、评价消息通知、个人信息、密码修改医院：预约管理：接诊、拒绝、完成管理员：数据大屏、用户管理：新增、编辑、封禁、解封帖子管理：置顶、上架、下架、审核、驳回评论管理、举报处理、敏感词词库预约管理、医院管理、科室管理、医生管理、服务

 是梦终空
2026-07-01 16:45:30

 328

 11

#spring boot
【第3篇-续】多模型多模态项目实现示例（增加OpenAI通用适配）附源代码

本文介绍了基于Spring AI Alibaba框架的企业级多模态AI应用示例项目。该项目采用模块化架构设计，统一集成阿里云DashScope、字节跳动Ark和NVIDIA API等多种AI服务，支持从文本对话到图片、视频、音频等多模态理解场景。核心设计采用分层架构，通过ChatClient高层API和ChatModel底层接口实现"一次编码，多模型运行"的愿景。项目通过Med

海兰
2026-04-18 19:50:47

 451

 10

#人工智能 #spring boot #java
环境准备 + Spring Boot Hello World + 第一次调用DeepSeek API（1）

Get-ChildItem : 对路径“D:\Tools\mysql\data_bak\Data\#innodb_redo”的访问被拒绝。建议：生产环境不要使用 ZIP 解压版，建议用 MySQL Installer 官方安装包。用 -Exclude data_bak 排除数据目录，或指定 bin 目录单独处理。先用 mysqld --install MySQL80 安装服务。在安装mysql数据

 BLK_mamba
2026-06-23 21:09:02

 259

 3

#spring boot #adb #后端
我雇了Codex、Claude、OpenClaw、Hermes四个AI研究员，24小时在线，3天跑通论文全流程——我把这套系统迁移到新课题只花了30分钟

我雇了Codex、Claude、OpenClaw、Hermes四个AI研究员，24小时在线，3天跑通论文全流程——我把这套系统迁移到新课题只花了30分钟

 宝藏口袋
2026-06-23 17:19:50

 221

 7

#人工智能 #spring boot #后端 +2
Claude Code让代码“看得爽”，Spring Boot CRUD要的是“产得稳”

Anthropic推出的ClaudeCode Artifacts功能正式上线，可将代码会话实时转化为可交互的HTML页面，支持多场景应用。该功能解决了开发协作中的可视化痛点，但面对Java工程的实际需求仍显不足——代码风格统一性、安全性、测试覆盖率和文档完整性等关键问题未能解决。

SoFlu软件机器人
2026-06-23 15:00:00

 231

 3

#log4j #spring boot #java +1
我用 Spring Boot 撸了一个 Claude Code 平替，本地 AI 编程 Agent，现已开源

撸了一个 Claude Code 平替，本地 AI 编程 Agent，现已开源

 阿拉斯攀登
2026-06-22 19:06:28

 539

 13

#spring boot #人工智能 #开源
我用 Claude Code 给 Spring Boot 老项目做了一次代码 Review：查出 4 类隐藏问题

接手 Spring Boot 老项目时，真正麻烦的往往不是编译报错，而是分散在业务代码中的空指针、N+1 查询、异常吞没和并发隐患。本文记录一次使用 Claude Code 辅助代码 Review 的完整流程，并给出提示词、Java 示例、修改方案和人工复核方法。

浩风祭月
2026-06-20 11:01:56

 377

 4

#spring boot #后端 #java
多模态数据处理实践：分离API、识图功能开发与定时任务设置

本文介绍了AI-HEALTH智能健康分析系统的架构设计与核心技术实现。该系统基于Spring Boot+Vue 3构建，通过Sophnet API集成两大模型（Kimi-K2.6用于视觉识别，DeepSeek-V4-Pro用于文本分析），形成了完整的数据处理流水线。系统采用"四段式Prompt"工程方法，针对食物识别、截图提取等五大场景设计了差异化模板和温度参数。关键技术决策包括视觉与文本处理分离

 2301_80448162
2026-06-17 15:45:06

 357

 4

#microsoft #架构 #软件工程 +3