给Javaer看的大模型开发指南｜得物技术

主要观点总结

本文介绍了大模型的概述、特点、接口、RAG架构、MCP协议、Spring-AI以及智能体示例等相关内容，旨在帮助读者理解大模型的工程化应用。

关键观点总结

关键观点1: 大模型的概述和定义

大模型是通过对海量文本数据进行分析和学习，找到语言的规律，并将其固化成包含数十亿参数的超级数学公式。不同的大模型如ChatGPT、DeepSeek等有不同的架构和公式。

关键观点2: 大模型的特点

大模型具备无状态、结构化输出和函数调用的特点。无状态意味着大模型没有记忆和状态，每次输入时需要提供之前的对话内容。结构化输出指大模型可以返回多种格式的文本，如JSON。函数调用能力使大模型像万能接口一样，根据需求进行推理和规划。

关键观点3: 大模型的接口

大模型的API接口提供了会话补全等功能。输入包括模型选择、历史对话消息等，输出包括推理结果和函数调用等。

关键观点4: RAG架构的作用

RAG架构用于解决通用大模型在涉及企业私密信息时的不懂装懂问题。通过结合具体业务场景，将相关资料提前录入知识库中，用户提交输入后，先通过知识库搜索相关资料，再一起提供给大模型。

关键观点5: MCP协议的意义

MCP协议是一种系统间调用的流程、格式约定。它的优势在于形成了社区共识，使得不同系统可以围绕协议进行生态建设。

关键观点6: Spring-AI的作用和示例

Spring-AI提供了Java代码集成大模型的框架。通过模型抽象、聊天会话、RAG拓展等功能，开发者可以方便地集成大模型能力。智能体示例展示了如何使用Spring-AI构建智能助手。

免责声明