企业 Text-to-SQL 设计：语义口径、查询约束与结果验证
从业务语义层到只读执行网关，设计能够解释口径、限制成本并验证结果的自然语言查数链路。
Lin
4 分钟阅读
Lin
Agent 版本发布：离线评测、影子流量与灰度回滚
把提示词、模型、工具和索引组成发布版本，在无副作用回放中筛查回归问题。
Lin
3 分钟阅读
大模型应用成本治理：Token 预算、缓存与质量约束
按成功任务核算成本，在权限和知识版本约束下评估缓存与上下文压缩。
Lin
3 分钟阅读
企业模型网关设计：能力路由、配额与降级
在统一入口执行能力检查和预算控制，用明确语义约束模型切换与故障降级。
Lin
3 分钟阅读
Agent 评测基线：把演示效果变成可重复的验收条件
为知识问答和工单创建建立固定样本、终态断言与失败分类，避免凭感觉调提示词。
Lin
3 分钟阅读
Java 大模型应用的输出契约：从 JSON 到可执行业务命令
用结构、语义和权限三层校验，阻止一段格式正确的模型输出直接变成错误业务操作。
Lin
3 分钟阅读
LangChain4j-AIServices使用教程
1. 简介 上一篇讲了如何使用LangChain4J的底层组件来进行AI的交互，如 ChatLanguageModel、ChatMessage、Ch
Lin
9 分钟阅读
LangChain4j框架开发AI应用
1. 简介 LangChain4j 是一个基于 Java 的开源框架，用于开发 人工智能驱动的应用程序，尤其是涉及 大语言模型（LLM）交互 的场景。它的设计目标是简化开发者与大语言模
Lin
10 分钟阅读
Java 也能快速搭建 AI 应用
概述 随着 LLM（大语言模型）基础技术的不断成熟和应用领域的广泛挖掘，越来越多的企业和开发者开始将 LLM 技术集成到自己的互联网服务架构中，市场上涌
Lin
5 分钟阅读
Lin 的博客 A merry heart goes all the way.
关于我
Lin 的 ❤️ 博客
技术专题：Java Agent 工程化：从知识库问答到可靠业务执行。围绕 RAG、工具治理、任务恢复与 Java 平台架构整理设计思路和验证方法。
记录一些 🌈 生活上，技术上的事
- 🛠️ 技术阵地： 深耕 Java 开发 ，目前向 AI 应用领域探索与拓展。这里主要记录我从后端架构到 AI 赋能的进阶之路、技术思考以及日常的 debug 血泪史。始终致力于写出优雅且没有 bug 的代码（尽量）。
- 🌈 生活侧写： 偶尔脱下极客的外衣，我也会在这里分享生活中的灵光一现。不管是好用的效率工具，还是周末的一场骑行，都是构成我真实生活的一部分。
社交链接
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
背景使用了 Pexels 上 Francesco Ungaro 拍摄的图片。