AI 10 篇
按时间排列的实战拆解：架构与中间件、AI 落地、技术与业务之间。
- 助手该在哪一句话停住，把人交给谁
企业里做对话入口，难点不是让助手一直说下去，而是划清三条边界——什么必须答、什么必须停、什么必须转人工。这篇给一套可核对的判据：每一次停和转都要落成一条能被反查的记录，否则转接只是把访客推回原地。
- 检索这一层：先把目录和预读做对，再谈向量库
几十到几百篇的企业知识库，检索的瓶颈通常不是「找不到相似语义」，而是元数据没配对、命中的那一篇没被真读进去。这篇按本站的实现拆三层：目录层给每篇配一句能被当摘要用的说明，预读层让回答前真读一遍最命中的那一两篇，最后给「什么时候该上向量库」的…
- 评测集是交付物：三十五条问题、七个桶
换模型的决策权不在提示词写得好不好，而在有没有一套能重复跑的评测集。这篇讲我自己那份最小评测集怎么搭：三十五条问题按七个桶分什么、一条用例上每条判据为什么这么写、怎么判分（不要求逐字匹配）、什么时候该加新条。
- Spring AI 到了 2.0：Java 项目要不要现在接
Spring AI 出了 2.0 这一大版本并 GA，MCP 是原生集成进去的。这篇不复述特性清单，只回答一件事：接框架买的是哪一层。我拿本站助手那条 Java 链路做样本——两处对话调用、三档超时、两格工具，逐项对一遍哪些是买来的、哪些无…
- 业务系统里的 Agent 这个词，早就有主了
想把智能体接进 ERP 这类单据系统，第一个障碍不是模型：Agent 在这套代码里指经销商，一张单子算什么状态、卡在哪一步的判断住在上百个状态枚举里，要改一张单子还得穿过分布式事务和审批流。本文给出取材顺序和一份能立刻开工的状态字典做法。
