跳转到内容
</>
Spring AI Alibaba 1.0 GA 版本正式发布，开启 Java 智能体开发新时代！
Spring AI Alibaba 1.0 GA 版本正式发布，开启 Java 智能体开发新时代！
点此了解
×
文档
1.0.0.2
1.0.0-M6.1
1.0.0-M5.1
1.0.0-M3.2
博客
示例与插件
MCP Directory
社区
1.0.0.2
1.0.0.2
1.0.0-M6.1
1.0.0-M5.1
1.0.0-M3.2
博客
示例与插件
MCP Directory
社区
社区
贡献者
贡献社区
贡献者指南
代码风格指南
报告文档问题
资源
博客
电子书（编写中...）
Spring AI Alibaba 开放原子基金会编程挑战赛！
阅读文章
参加社区双周会！
阅读文章
联系我们
GitHub
钉钉
电子邮箱
中文
概览
快速开始
聊天机器人
智能体
工作流
使用教程
可用组件列表与使用指南
基础框架
ChatClient
对话模型(Chat Model)
核心概念
嵌入模型 (Embedding Model)
对话记忆
模型上下文协议（Model Context Protocol）
多模态
提示词 (Prompt)
提示词工程模式 (Prompt Engineering Patterns)
文档检索 (Document Retriever)
使用 Spring AI Alibaba MCP 结合 Nacos 实现企业级智能体应用-介绍
格式化输出(Structured Output)
工具调用（Tool Calling）
向量存储(Vector Store)
Graph 框架
什么是 Spring AI Alibaba Graph
最佳实践
基于 Dify 工作流生成 SAA 工程
阿里云百炼
本地集成百炼智能体应用
本地RAG应用集成百炼知识库
可观测
可观测最佳实践
动态 Prompt
动态 Prompt 最佳实践
场景示例
Playground
智能机票助手
MCP
使用 Spring AI Alibaba MCP 结合 Nacos 实现企业级智能体应用-案例
使用 Spring AI MCP 访问本地文件系统
使用 Spring AI MCP 访问 SQLite 数据库
使用 Spring AI MCP Client Starter 实现 MCP 客户端
使用 Spring AI MCP Server Starter 实现 MCP 服务端
生态集成
Tool Calling
Document Reader
Vector Store
源码解读
第一章：chat 初体验
第二章：advisor 增强
第三章：tool 整合
第四章：结构化输出
第五章：向量数据库
第六章：Rag 增强问答质量
第七章：MCP 使用范式
FAQ
使用 Spring AI Alibaba MCP 结合 Nacos 实现企业级智能体应用-案例
使用 Spring AI Alibaba MCP 结合 Nacos 实现企业级智能体应用-案例
文章编写中…
