AI 应用开发

01 / 構建

把模型能力變成真正可用的軟體。

從這裡開始

系列總覽 · 建議閱讀順序

  1. 實作教程

    用 Java 8 呼叫大型語言模型:從第一次請求到多輪對話

    透過三個實際執行的 Java 範例,理解模型請求、JSON 解析、讀取逾時與對話歷史。

    15 分鐘已發布
  2. 實作教程

    Java LLM 實踐(二):HTTP 200 之后,怎樣驗收模型的 JSON?

    從一次真實的代碼圍欄響應和三次超時出發,用 Java 8 實現嚴格結構校驗、受限格式適配與可追溯的失敗處理。

    16 分鐘已發布
  3. 工程案例

    Java LLM 實作(三):逾時之後,別讓對話歷史悄悄變了

    以候選副本、整輪提交與UTF-8請求預算重寫多輪會話邊界:41項離線檢查,失敗不污染歷史,裁剪失敗仍保留原狀態。

    10 分鐘已發布
  4. 工程案例

    Java LLM 實踐(四):兩個請求同時返回,誰有資格寫入歷史?

    用真實Java執行緒重現回復亂序,加入版本票據、完整問答提交與有界回執,明確本地冪等和遠端執行的區別。

    8 分鐘已發布
  5. 工程案例

    Java LLM 實踐(五):工具超時了,為什麼任務還在執行?

    用白名單、嚴格參數、零佇列與調用預算構建只讀工具致動器,並重現取消不等於終止的邊界。

    8 分鐘已發布
  6. 工程案例

    Java LLM 實踐(八):流式回答斷了,半句答案該不該進入歷史?

    22 個回環 HTTP 案例,驗證 UTF-8、SSE 分幀、取消與異常結束,把逐步預覽和完整歷史提交分開。

    11 分鐘已發布
  7. 工程案例

    Java LLM 實踐(九):取消請求後,舊回答為什麼還會覆蓋新會話?

    18 種固定執行緒交錯,驗證流式預覽、完成和錯誤回呼的請求歸屬,以及取消和有限冪等的邊界。

    10 分鐘已發布
  8. 工程案例

    Java LLM 實踐(十):點了取消,讀取執行緒為什麼還在運行?

    30次本地HTTP連接,區分會話取消、阻塞讀取退出與遠端工作,比較Future中斷和主動關閉連接。

    11 分鐘已發布
  9. 工程案例

    TypeScript 能保證模型輸出正確嗎?32組輸入與 Java 驗證器的邊界對照

    從型別斷言、unknown到原始JSON:重現22個誤接收、4個物件驗證盲區,以及Java/TypeScript契約一致性的實際邊界。

    11 分鐘已發布
  10. 工程案例

    AI Radar 工程拆解:從 RSS 到網站,中間發生了什麼?

    沿著本站真實程式碼,追蹤采集窗口、每日配額、去重、自動檢查和部署,並用證據定位“采集成功卻沒有更新”。

    12 分鐘已發布
  11. 工程案例

    Java 會話歷史與請求窗口:裁掉的舊事實還能回來嗎?

    通過裁剪、提交、重啟和擴窗的連續實驗,分離可回看的完整歷史與一次模型請求的上下文。

    9 分鐘已發布
  12. 工程案例

    Java 請求重試:三次超時,不等于一個總期限

    七種真實本地 HTTP 情況,比較狀態碼、Retry-After、嘗試上限和總等待預算。

    9 分鐘已發布
  13. 工程案例

    Java 對話歷史落盤:程序崩潰後,半輪記錄怎么辦?

    校驗追加日志、142種截斷前綴和三個真實異常退出子進程,明確本地提交與遠端冪等的邊界。

    9 分鐘已發布
  14. 實作教程

    Java 冪等重試:沒收到回答,不等于沒有執行

    用七組本地 HTTP 故障對照,解釋冪等鍵、並發認領、請求沖突與進程崩潰窗口。

    11 分鐘已發布
  15. 實作教程

    持久冪等:讓操作身份與結果一起提交

    用帶CRC的追加紀錄、行程崩潰與99個截斷前綴,解釋持久冪等的提交邊界。

    10 分鐘已發布
  16. 實作教程

    Outbox投遞:本地可靠,不等於遠端只執行一次

    對照有鍵和無鍵接收端,解釋回復丟失、回執缺失與遠端重複副作用。

    10 分鐘已發布
  17. 實作教程

    對話恢復:從意圖、回執到完整問答

    在三個提交邊界真實終止JVM,以持久事實恢復完整歷史,保留遠端重複執行反例。

    10 分鐘已發布

AI 工程

從應用實作,到工程交付

AI 應用開發的工程子方向。

  • AI Coding
  • Codex
  • MCP
  • Skills
  • Harness
  • 測試
  • 評估
  • 可觀測性
  • 正式環境部署
  • 效能
工程選題 →

知識檢索與回答評估:進入 RAG 專題 →

專案

相關專案

  1. 專案 / 001

    Hohoo’s AI Lab

    公開學習、研究資訊與實作紀錄共用的個人知識網站。

    已上線
  2. 專案 / 002

    Java LLM 實作集

    Java 會話、請求重試與持久化邊界,以及注意力、快取成本和量化誤差的可復現實驗。

    開發中
相關實驗
  1. 實驗 / 002

    工具呼叫失敗復原實驗

    使用可控制的唯讀工具,注入逾時與空結果,記錄任務完成率和呼叫次數。

    實驗中
  2. 實驗 / 010

    TypeScript / 輸出邊界對照

    型別斷言與物件驗證各會漏掉哪些無效輸入?

    已完成
  3. 實驗 / 011

    A1 / 對話歷史的提交邊界

    請求失敗、截斷或候選裁剪後,如何保持已提交歷史正確?

    已完成
  4. 實驗 / 014

    A2 / 並發歷史提交

    用真實Java執行緒復現回復亂序,加入版本票據、完整問答提交與有界回執,明確本地冪等和遠端執行的區別。

    已完成
  5. 實驗 / 021

    Java LLM 實踐(八):流式回答斷了,半句答案該不該進入歷史?

    22 個回環 HTTP 案例,驗證 UTF-8、SSE 分幀、取消與異常結束,把逐步預覽和完整歷史提交分開。

    已完成
  6. 實驗 / 024

    Java LLM 實踐(九):取消請求後,舊回答為什麼還會覆蓋新會話?

    18 種固定執行緒交錯,驗證流式預覽、完成和錯誤回呼的請求歸屬,以及取消和有限冪等的邊界。

    已完成
  7. 實驗 / 027

    Java LLM 實踐(十):點了取消,讀取執行緒為什麼還在運行?

    30次本地HTTP連接,區分會話取消、阻塞讀取退出與遠端工作,比較Future中斷和主動關閉連接。

    已完成
  8. 實驗 / 030

    Java 會話歷史與請求窗口:裁掉的舊事實還能回來嗎?

    通過裁剪、提交、重啟和擴窗的連續實驗,分離可回看的完整歷史與一次模型請求的上下文。

    已完成
  9. 實驗 / 031

    Java 請求重試:三次超時,不等于一個總期限

    七種真實本地 HTTP 情況,比較狀態碼、Retry-After、嘗試上限和總等待預算。

    已完成
  10. 實驗 / 032

    Java 對話歷史落盤:程序崩潰後,半輪記錄怎么辦?

    校驗追加日志、142種截斷前綴和三個真實異常退出子進程,明確本地提交與遠端冪等的邊界。

    已完成
  11. 實驗 / 039

    Java 冪等重試:沒收到回答,不等于沒有執行

    用七組本地 HTTP 故障對照,解釋冪等鍵、并發認領、請求沖突與進程崩潰窗口。

    已完成
  12. 實驗 / 042

    持久投遞與歷史恢復

    17種場景、193條子行程記錄;無接收端冪等的投遞崩潰後執行兩次,三個歷史恢復窗口均保留完整問答。

    已完成

論文閱讀入口

相关资讯

这里展示已发布的外部资讯,保留来源与原文入口。

NVIDIA Technical Blog · 暂无译文,显示原文

Build Specialized Agents on a Stack You Control with NVIDIA NemoClaw ↗

Building an autonomous agent requires a model, a harness, and domain-specific tools. To deploy an agent more securely, developers need a runtime that enforces... Building an aut…

原始来源摘录或链接
AIHOT · 暂无译文,显示原文

Cursor 披露 Claude Code VS Code 扩展被植入恶意软件事件,最多影响 5000 用户 ↗

Cursor 发现通过其 IDE 扩展市场分发的 Claude Code VS Code 扩展被修改并植入恶意软件,最多影响 5000 用户,恶意版本并非 Anthropic 开发。Cursor 已于当日下午下线扩展市场,与相关提供方合作清除恶意软件并确认无进一步风险后重新上线,建议受影响用户参考博客说明排查,并升级到 Claude Code for …

原始来源摘录或链接
AIHOT · 暂无译文,显示原文

Figma 讲解如何训练专用画布编辑模型 ↗

Figma 介绍其为 agent 自研 Figma 编辑模型的训练方法,先用超过 25 万条合成样本做 SFT,让早期 Llama 3.3 70B 在编辑任务上接近当时顶级模型,后转向 RL 并结合确定性校验器与视觉评委做评测。

原始来源摘录或链接

浏览全部 AI 资讯 →

學習路線與後續選題

以下為待完成選題,不代表已有實驗結果。

  1. Tool Calling · 已規劃
  2. Spring AI 快速入門 · 已規劃
  3. Agent 工作流程 · 已規劃
  4. 評估效果、記錄失敗與改進 · 已規劃
  5. AI 應用可觀測性 · 已規劃
  6. Production · 已規劃
  7. AI Coding · 已規劃
  8. Codex · 已規劃
  9. MCP · 已規劃
  10. Skills · 已規劃
  11. Harness Engineering · 已規劃
  12. Testing · 已規劃
  13. Performance · 已規劃

繼續系統學習 →

動手試試 · 檢索與排序

按需展開,在瀏覽器裡探索。 直達此實驗 ↗

動手試試 · 提示詞修理鋪

按需展開,在瀏覽器裡探索。 直達此實驗 ↗

動手試試 · Agent 權限

按需展開,在瀏覽器裡探索。 直達此實驗 ↗

動手試試 · 串流輸出

按需展開,在瀏覽器裡探索。 直達此實驗 ↗