🛠️ 准备：环境与依赖 你需要 JDK 17+ 和 Spring Boot 3.x。 Spring AI 的设计哲学是“像添加一个普通 Starter 一样简单”。在 pom.xml 中，通常需要两步： 1. 通过 BOM 统一管理版本，避免依赖冲突： <dependencyManagement>

开始前确认两件事：JDK 17+ 和 Spring Boot 3.x。 在你的 Spring Boot 项目 pom.xml 中，至少加入这一个依赖，就能接通通义千问（DashScope）： <dependency> <groupId>com.alibaba.cloud.ai</groupI

一、方案选型：基于 Halo AI Foundation 构建 Agent 插件 Halo 官方已经提供了 AI Foundation 插件，它的定位是“统一接入主流大模型，为插件生态提供文本生成、嵌入向量、工具调用等智能化能力”。其他 Halo 插件可以依赖它的 api 模块，直接获得模型调用、流

一、项目结构 ops-ai-terminal/ ├── main.js # Electron 主进程：SSH、AI 调用、安全校验、配置存储 ├── preload.js # contextBridge 暴露给渲染进程的 API ├── pa

一个成熟应用的第一步是目录结构清晰，各层职责分明。推荐采用 后端（FastAPI）+ CLI 客户端 + 共享模型 的结构： text ops-ai/ ├── backend/ │ ├── app/ │ │ ├── main.py # FastAPI 入口 │

一、先纠正一个最普遍的误解 很多人第一次做 Agent 都会有个误解，以为"接上工具"就是让模型去调自己的 API。事实是——模型从头到尾都只在吐字，它根本不碰网络，也不碰数据库。 真实的链路是这样的：

来源：OpenAI 协议成为事实标准后（2023 起），"给自己的产品接个 AI"从大厂专利变成了个人开发者一下午的事 一句话：接 AI 只需要三样东西——一个 API Key、一次 HTTP 调用、一个放 Key 的后端；本篇把"模型 → 接口 → 你的博客"这条路一次走通。 1. 全景：AI 应

来源：Agent 思想 2023 年由 AutoGPT 引爆（当时太不可靠，凉了一阵），2024–2025 模型变强 + 工具标准化（MCP）后才真正实用；MCP 由 Anthropic 于 2024 年 11 月发布 一句话：Agent = 给模型一个目标，它自己规划步骤、调用工具、查看结果、循环

来源：2020 年 Facebook 提出 RAG（Retrieval-Augmented Generation，检索增强生成），ChatGPT 爆火后因"私有知识 + 幻觉"两大痛点成为企业落地第一方案 一句话：RAG = 先从你的资料库里检索出相关段落，塞进提示词，再让模型照着答——把闭卷考试变

来源：2023 年 6 月 OpenAI 发布 Function Calling，随后成为所有主流模型的标配 一句话：Function Calling = 你先把"有哪些工具"告诉模型，模型不自己执行，只回复一张"点菜单"（函数名 + 参数），由你的代码去执行，再把结果喂回给它。 1. 它解决什么问