带刺的坐椅

摘要： LangGraph和Solon AI Flow是两种不同的AI流程编排框架，核心区别在于思维路线设计。LangGraph采用状态机结构，适合构建需要动态决策的复杂AI智能体，适合Python开发者。Solon AI Flow采用流程图结构，强调标准化流程，适合Java开发者快速部署企业级AI功能。两者在配置方式、Web服务集成和高级功能实现上各有特点：LangGraph需要编写代码实现灵活逻辑，Solon AI Flow通过YAML配置简化流程搭建并内置Web组件。 阅读全文

摘要： 本文对比了Java企业级开发中三种主流AOP实现：AspectJ、Spring AOP和Solon AOP。AspectJ功能最全面，支持字节码织入，可拦截各类连接点但配置复杂；Spring AOP基于动态代理，与Spring生态集成度高，但仅支持方法执行拦截；Solon AOP同样使用动态代理，采用纯注解驱动设计，更轻量但侵入性较强。选择建议：Spring项目优先Spring AOP，极致需求选AspectJ，轻量云原生场景考虑Solon AOP。三种方案各有侧重，可根据项目需求灵活选择。 阅读全文

摘要： Solon AI & MCP 是 Java 智能体开发框架，支持 Java 8-25，提供统一接口集成主流 AI 模型。框架支持聊天模型、生成模型、RAG 知识库、MCP 协议等多种 AI 能力，并提供与 Spring 等框架的兼容性。技术预览展示了简洁的 API 设计，如构建聊天模型和使用 MCP 服务端/客户端。 阅读全文

摘要： 聊天模型配置与请求选项摘要 ChatConfig定义聊天模型的基础配置，包括必填的apiUrl和model，以及可选参数如apiKey、provider等。可通过构建器模式直接创建或注入配置。 ChatOptions提供请求级别的控制选项，支持添加函数工具、拦截器和自定义参数，包含常用选项如temperature、max_tokens等。通过链式调用可灵活配置每个请求，如添加天气查询工具并传入用户上下文。response_format参数可控制输出格式，但具体支持情况需参考模型文档。两者配合使用可实现细粒度 阅读全文

摘要： 本文介绍了如何使用Solon-AI框架结合本地部署的Ollama服务调用Llama3.2等大语言模型的完整流程。文章提供了从环境搭建到实际调用的详细步骤，并附有配置示例和效果截图，帮助开发者快速实现本地大语言模型的集成应用。 阅读全文

摘要： Solon AI & MCP 是 Java 智能体开发框架，支持 Java 8-25，简化了与主流 AI 模型（如 OpenAI、DeepSeek）的集成。它提供统一接口抽象，支持多种 AI 模型（ChatModel、GenerateModel等）协作，并兼容 MCP 协议实现工具服务发布。该框架采用方言适配设计，支持 RAG 等 AI 应用场景开发，提供多框架示例（Solon/SpringBoot等）及视频教程。适用于生成式人工智能应用的快速构建。 阅读全文

摘要： 该方案为复杂业务场景下的服务部署提供了灵活而高效的解决方案，既保证了服务间的逻辑隔离，又实现了资源的有效利用。 阅读全文

摘要： Solon AI & MCP 是面向Java开发者的智能体应用开发框架，提供统一接口简化主流AI模型集成和Mcp开发。该框架支持Java 8-25，特点包括：多模型调用、图片/聊天生成模型、RAG文档处理、矢量知识库、MCP协议等。 阅读全文

摘要： 本文介绍了如何将Solon框架与Docker快速集成，突出了Solon在启动速度、内存占用和容器化方面的优势。文章从环境准备入手，详细说明了两种Docker打包方式（Maven插件和Dockerfile），提供了完整的配置示例和操作命令，包括镜像构建、运行管理及生产环境优化建议。最后总结了Solon+Docker集成轻量简洁的特点，并给出常见问题排查方法，帮助开发者30分钟内完成容器化部署。 阅读全文

摘要： Snack-Jsonpath 支持 JSON DOM 构建、编解码、JsonPath 查询和 JsonSchema 验证。核心特性包括高性能 JsonPath 查询（兼容 IETF 和 jayway 标准）、JsonSchema 校验、Json5 部分特性支持，以及优先使用无参构造的安全编解码机制。 阅读全文