星球专栏 相关文章

一篇以面试对话形式展开的RAG知识库项目面试题解析，涵盖Embedding向量检索、Function Calling、对话记忆、文本切割、流式响应、WebSocket协议等核心知识点

深入解析基于WebSocket与WebFlux实现LLM流式对话的技术方案，涵盖全双工通信、用户主动中断机制及性能优化，首字延迟低于500ms。掌握面试核心考察点。

基于 LangGraph4j + Spring AI 的企业级 AI 工作流平台，支持通过可视化拖拽界面编排多种大模型（OpenAI、DeepSeek、通义千问）和工具节点，使用 DAG 引擎按拓扑顺序执行复杂 AI 任务，实现零代码构建 AI Agent 应用。

基于 Spring SseEmitter 和前端 EventSource 建立服务端推送通道，实现工作流执行过程的实时 SSE 状态推送。使用 CompletableFuture 实现长文本 TTS 并行处理，针对 TTS API 的输入长度限制（600 字节），设计文本智能分片算法

使用 Qoder CLI 创建全新的 AudioTTS 节点基础模板，在工作流引擎中实现 AudioTTS 节点的执行逻辑，调用阿里百炼 qwen3-tts-flash，将生成的音频 URL 返回给下一节点增加 URL 结果的合法性校验，并支持后续扩展为自动上传至 MinIO 的能力将音频节点纳入“输入节点 → 音频节点 → 输出节点”的完整链路，验证整个工作流的可执行性

用 Qoder CLI 为 DeepSeek 节点增加基本配置用 Qoder CLI 打通 DeepSeek 节点用 Qoder CLI 打通通义千问节点

● 使用 Qoder 将 PaiAgent 提交至 GitHub，把项目真正工程化 ● 使用 Qoder CLI 新增 input 和 output 节点，让工作流闭环 ● 使用 Qoder CLI 新增节点配置，让它们变得可调、可控、可扩展 ● 调试输入输出节点，让整个流程能跑通；有 bug 直接让 Qoder CLI 来改 ● 使用 Qoder 智能会话美化界面，让它成为一个真正可以交付的产品

带你从零开始做一个扎实的 AI 项目——PaiAgent，借助 Qoder 和 Qoder CLI 来构建的，一个真正能运行和学到东西的 AI Agent 项目。

向量化失败，ElasticSearch启动失败

LangGraph4J面试题预测，涵盖框架基础概念与LangChain4J核心区别。PaiAgent项目实战实现，助你提前掌握面试要点，提升Java AI开发技能。