红血哥

Dify、N8N、Coze 三大平台对比 Dify专注于AI应用开发，提供LLM模型集成、RAG知识库和API部署，适合企业级AI解决方案；N8N是开源自动化工具，擅长跨系统集成和复杂工作流编排，适合技术团队实现业务流程自动化；Coze是字节推出的轻量级Bot平台，可快速创建聊天机器人并发布至飞书/微信等平台，适合个人用户和简单场景。三者定位不同：Dify是AI应用工厂，N8N是万能自动化工具，Coze则是Bot快速搭建平台。选择时需根据需求决定，复杂场景可组合使用Dify和N8N。

Spring AI框架实现RAG（检索增强生成）技术，整合了信息检索与生成模型，用于构建智能问答系统。该方案采用Spring Boot框架，支持多种大语言模型（如OpenAI、Qwen）和向量数据库（Elasticsearch）。核心流程包括：使用Tika读取多格式文档并向量化存储，进行相似性搜索匹配问题，通过提示词模板优化LLM生成质量。配置文件中可自定义嵌入模型、向量维度和相似性算法。Spring AI的模块化设计简化了RAG实现，但需注意版本兼容性和向量维度匹配问题。

Agent（智能体）

MCP 和 Function Calling

向量（Vector）

嵌入模型 与 向量数据库

向量数据库是现代AI系统中的关键组件，广泛应用于检索增强生成（RAG）、语义搜索、推荐系统、图像检索和自然语言处理等领域。其核心功能是高效存储和查询高维向量数据，通常通过深度学习模型将非结构化数据转换为向量嵌入。向量数据库具备向量存储、相似度检索、元数据支持、高性能和分布式扩展等核心能力。常见向量数据库包括FAISS、Qdrant、Weaviate、Pinecone、Milvus、Chroma和Redis等，各有特点和适用场景。向量数据库的工作流程包括数据嵌入、向量化、存储和相似性检索。选型时需根据具体场景

**RAG（检索增强生成）**是一种结合信息检索与语言模型生成能力的架构，通过从外部知识库动态获取信息，提升回答的准确性和时效性。其核心思想是弥补传统语言模型（LLM）的静态知识限制，减少“幻觉”并增强领域相关任务的表现。RAG的基本流程包括用户提问、语义检索、上下文拼接和生成回答。其核心组件涵盖文档加载、文本分割、向量化、向量存储、检索器、提示模板和语言模型。LangChain4j提供了对RAG的完整支持，包括文档加载、文本分割、嵌入模型、向量存储、检索器和提示模板等模块。通过Spring Boot示例，

LangChain4j 是一个专为 Java 和 Kotlin 开发者设计的类库，旨在简化大型语言模型（LLMs）在应用程序中的集成。它基于 LangChain 概念，支持构建聊天机器人、问答系统、自动化代理等应用。核心组件包括 Model、PromptTemplate、OutputParser、Retrieval、Agent、Memory 和 Tool，支持多种模型和服务的集成，如 OpenAI、Azure OpenAI、Anthropic 等。LangChain4j 采用模块化架构，易于扩展和定制，适合

Spring AI 中的 MCP（Model Calling Protocol）是一种标准化的模型调用协议，支持通过统一接口与不同模型服务交互。本文详细介绍了如何在 Spring AI 中配置 MCP Server 和 MCP Client。MCP Server 基于 WebFlux，通过 @Tool 注解定义服务方法，并配置 ToolCallbackProvider 提供回调支持。MCP Client 则通过 OllamaChatModel 与模型交互，并集成 MCP Server 提供的工具回调功能。项

本文介绍了如何在 Spring Boot 项目中通过 Spring AI 接入本地部署的 Ollama + Qwen3-72B 模型。首先，确保 Ollama 和 Qwen3-72B 已正确安装并运行，且具备 JDK 17+ 和 Spring Boot 3.x 环境。接着，在 pom.xml 中添加 Spring AI 和 Ollama 的依赖，并在 application.properties 中配置 Ollama 服务地址。然后，编写 Qwen3Service 调用模型，并通过 Qwen3Control

本文介绍了如何使用 Docker 安装 Ollama 并部署 Qwen3 系列模型（如 Qwen3、Qwen3-72B 等）。首先，确保系统已安装 Docker，并推荐使用 GPU 支持以运行大模型。接着，通过 Docker 拉取并启动 Ollama 容器，检查服务状态。Ollama 支持自动拉取主流模型，如 Qwen3，但也可手动部署。手动部署步骤包括下载模型、转换为 GGUF 或 GGML 格式、创建 Modelfile 文件，并通过 Ollama 加载和运行模型。最后，可通过 REST API 调用模