首页AI 工程
AI ENGINEERING / GUANGZHOU

广州 AI Agent
开发与工程实践。

从 Java Agent 与 Spring AI 出发,探索工具调用、MCP 系统连接、RAG 知识检索和企业 AI 应用集成,记录把模型能力转化为可靠软件系统的过程。

Java AgentSpring AIMCP GatewayRAG
FROM MODEL TO SYSTEM.DESIGN · INTEGRATION · EVALUATION · OPERATIONS
01 / ENGINEERING DOMAINS

AI Agent 工程,不止模型调用。

把 Agent 拆解为可设计、可连接、可测试的工程模块。

01

Agent Workflow

智能体工作流

从模型接入、上下文组织到工具选择与执行,拆解 Agent 应用的运行机制。

JavaSpring AIFunction Calling
阅读相关实践
02

MCP / System Integration

MCP 与系统连接

关注 MCP Server、Gateway、身份传递、用户授权与业务系统适配。

MCPGatewayIdentity
阅读相关实践
03

RAG / Retrieval

知识检索与增强生成

围绕文档处理、多路召回、结果融合、Rerank 与检索评测展开实践。

RAGHybrid SearchRerank
阅读相关实践
04

AI Search & Integration

AI 搜索与信息获取

从搜索服务、浏览器自动化到网页原文核验,研究信息获取的可靠性。

SearchSearXNGBrowser Use
阅读相关实践
02 / ENGINEERING WORKFLOW

从一个想法,到可运行的 Agent 系统。

真实项目不会止步于 Demo。身份、权限、数据、异常与运维同样属于工程设计。

  1. 01

    需求与场景定义

    明确业务目标、用户角色与 Agent 能力边界。

  2. 02

    架构与工作流设计

    规划模型、工具、上下文和知识数据之间的关系。

  3. 03

    工程实现与集成

    完成模型接入、工具执行、MCP 或 RAG 等能力集成。

  4. 04

    测试与评估优化

    验证工具结果、检索质量、异常处理与执行稳定性。

  5. 05

    部署与持续运行

    关注日志、权限、资源配置和长期运行表现。

SYSTEM VIEW

让模型、工具、知识与业务系统各司其职。

模型负责理解与决策,应用控制流程,工具承接明确能力,MCP 负责连接,业务系统继续执行自己的权限规则。

USER / TASK→AI AGENT→TOOLS · MCP · RAG→BUSINESS SYSTEM
04 / QUESTIONS & ANSWERS

关于广州 AI Agent 开发的常见问题。

围绕技术实践中经常遇到的概念和工程问题,给出简明解释。

广州 AI Agent 工程实践主要关注什么?

这里主要记录谢战涛基于 Java 与 Spring AI 的 AI Agent 应用工程探索,涉及工具调用、MCP 系统连接、RAG 知识检索、搜索集成、权限控制与运行验证。

Java 如何开发 AI Agent?

可以从模型接入与上下文管理开始,再定义工具、实现 Function Calling、组织执行流程,并逐步补充异常处理、权限控制、日志追踪与效果评估。

MCP 网关如何处理用户身份与业务权限?

网关可以管理 Agent 授权,业务系统继续负责原有业务权限。关键是通过可信身份源确认真实用户,并在每次业务操作时验证该用户在目标系统中的权限。

RAG 如何提升检索质量?

需要结合文档解析、分块、关键词检索、向量召回、结果融合、重排序与评测集,观察召回质量和最终回答是否真正改善。

INDEPENDENT BUILDING

工程能力,也要落到真实产品。

了解 Personal Data Hub 如何围绕个人数据管理需求,从想法逐步走向可使用的产品。