发现很多媒体平台上有大量帮人部署小龙虾，收费竟然从几百到上千不等。这味儿太熟悉了，像极了两年前 ChatGPT 刚火的时候,一个账号能卖到好几百。

一、为什么 Agent Skill 突然火了？你是不是也有过这样的崩溃时刻？每次让 Claude 写代码，都要重复粘贴 请使用我们的代码规范：驼峰命名、2空格缩进、必须写单元测试 ——像极了每天入职新公司；好不容易调教好的 Prompt 换个项目就完全失效，之前的调教经验归零；团...

在 AI 应用开发中，工具调用 Tool Calling 是增强大模型能力的核心技术。通过让模型与外部 API 或工具交互，可实现 实时信息检索（如天气查询、新闻获取）、系统操作（如创建任务、发送邮件）等功能。

用最低的成本解决以上问题，需要使用 RAG 技术，它是一种结合信息检索技术与 LLM 的框架，通过从外部 知识库 动态检索相关上下文信息，并将其作为 Prompt 融入生成过程，从而提升模型回答的准确性;

智能体 Agent 能自主执行任务实现特定目标的 AI 程序。传统 AI（如ChatGPT）主要依靠用户输入指令，而智能体 Agent 可以自主思考、决策，并执行复杂任务，就像一个AI助手，能够独立完成多步操作。本文将以多语言翻译助手为场景，演示如何基于Spring AI与DeepSeek模型...

在 AI 技术蓬勃发展的今天，国产大模型 DeepSeek 凭借其 低成本、高性能 的特点，成为企业智能化转型的热门选择。而 Spring AI 作为 Java 生态的 AI 集成框架，通过统一API、简化配置等特性，让开发者无需深入底层即可快速调用各类 AI 服务。本文将手把手教你通过 sp...

Spring AI 是 Spring 官方社区项目，旨在简化 Java AI 应用程序开发，让 Java 开发者像使用 Spring 开发普通应用一样开发 AI 应用。

随着人工智能技术的飞速发展，越来越多的开发者开始探索如何将 AI 能力集成到现有的应用中来提升产品的智能化水平。Spring AI 正是为 Java 开发者提供的一款强大的 AI 框架，使得这一集成过程变得前所未有的简单和高效。

随着信息安全的重要性日益凸显，数字证书在各种安全通信场景中扮演着至关重要的角色。国密算法，作为我国自主研发的加密算法标准，其应用也愈发广泛。然而，在Java环境中解析使用国密算法的数字证书时，我们可能会遇到一些挑战。

在现代微服务架构中，Kafka 作为消息中间件被广泛使用，而安全性则是其中的一个关键因素。在本篇文章中，我们将探讨如何在 Spring Boot 应用中集成 Kafka 并使用 SCRAM 认证机制进行安全连接；并实现动态创建账号、ACL 权限、Topic，以及生产者和消费者等操作。

在大数据处理和分析中 Apache Kafka 已经成为了一个核心组件。然而在生产环境中部署 Kafka 时，安全性是一个必须要考虑的重要因素。SASL（简单认证与安全层）和 SCRAM（基于密码的认证机制的盐化挑战响应认证机制）提供了一种方法来增强 Kafka 集群的安全性。

当已上线的系统存在使用其他的加密方式加密的密码数据，并且密码 不可逆 时，而新的数据采用了其他的加密方式，则需要同时兼容多种加密方式的密码校验。

本文介绍基于 Kubernetes(k8s) 环境集成阿里云 私有镜像仓库 来部署一套 Dubbo + Nacos 的微服务系统，并使用 Kubernetes DNS 以及 port-forward 的方式来打通网络访问。

一、说明本文介绍基于 Docker 部署一套 Dubbo + Nacos 的微服务环境，并解决容器里的 IP 及端口的访问问题。基于上文《基于jib-maven-plugin快速构建微服务docker镜像》 中在阿里云镜像仓库构建的镜像来进行部署。 二、部署 Nacos 注册中心拉取 nacos 注册中心...

本文介绍基于 Maven 插件 jib-maven-plugin 实现快速构建 Spring Boot 程序镜像，并推送到远程仓库中，且 无需安装 Docker 环境 。

本文主要介绍在 Centos7 环境下基于 Minikube 来快速部署 Kubernetes 单节点集群环境，并在浏览器上访问部署在 k8s 上的 dashboard 服务。

二分类算法：是指待预测的 label 标签的取值只有两种；直白来讲就是每个实例的可能类别只有两种(0 或者 1)，例如性别只有 男 或者 女；此时的分类算法其实是在构建一个分类线将数据划分为两个类别。

Fate 的模型预测有 离线预测 和 在线预测 两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用 Fate 基于 纵向逻辑回归 算法训练出来的模型进行离线预测实践。

一、说明本文分享基于 Fate 自带的测试样例，进行 纵向逻辑回归 算法的模型训练，并且通过 FATE Board 可视化查看结果。本文的内容为基于 《隐私计算FATE-概念与单机部署指南》中部署的环境。 二、进入容器执行以下命令，进入 Fate 的容器中： {代码...} 可以看...

与传统数据使用方式相比，它不需要聚合各方数据搭建 数据仓库，联邦学习在联合计算建模的过程中，多方机构之间的数据是不会进行共享的，实现数据的 可用不可见；本文主要分享隐私计算平台 Fate 的相关基本概念，以及基于 Docker 的单机部署。