-
1. 为什么 Java 开发者需要了解 AI 工程 很多同学觉得 AI 是算法工程师的事，Java 开发者只需要"调 API"就行了。这个认知在 2023 年之前是对的，但现在已经不够用了。 现实情况是：LLM API 调用只是最简单...
-
Agent 的测试不是跑几个 benchmark。真正应该被验证的是目标、轨迹、工具、环境状态、风险边界与线上回流。
-
Q1：从0到1的搭建AIGC 智能客服系统 业务场景 趣玩搭平台日活1000+、日订单500+，用户咨询主要集中在三类问题：活动规则（时间地点人数变更）、退票退款流程、会员积分权益。之前靠2个客服人工回复，高峰期（周五晚到周日）响应经...
-
在趣玩搭平台中，我基于 Spring AI 开发了一个"AI 主理人"智能体，它不仅能回答问题，还能实际操作业务系统——查订单、退款、改活动信息。本文记录 Tool Calling 和 MCP 的落地实践，以及工具调用失败时的 Fal...
-
一、抢票秒杀方案 1.1 业务挑战 热门活动上架瞬间（跨年露营、音乐节等）可能产生数千并发抢票请求。核心矛盾是：高并发下防止超卖、保证库存一致性、用户体验流畅不卡顿。 这三个目标天然存在冲突——强一致性意味着串行化，串行化意味着慢。我...
-
运营同事改了一条退款政策，5 分钟后智能客服就能按新政策回答用户。这个"5 分钟"背后不是简单的全量重建，而是一套增量更新 + 向量热替换的工程方案。 一、为什么"5 分钟"很重要 1.1 业务驱动 趣玩搭作为一个社交活动平台，业务规...
-
"准确率提升了 30 个百分点"——这个数字不是拍脑袋说的，背后有一套完整的评估方法。本文记录趣玩搭智能客服的评估数据集是怎么构建的、用了哪些指标、以及如何通过评估驱动 RAG 系统的持续优化。 一、为什么必须建立评估体系 1.1 没...
-
一、RAG 系统定位与业务场景分析 1.1 趣玩搭 RAG 的核心使用场景 基于阶段1解析，趣玩搭的 RAG 系统服务于智能客服，需要解决以下业务场景：
-
在趣玩搭社交平台中，用户抢到活动名额后需要在 15 分钟内完成支付，否则订单自动取消、名额释放。本文记录延时订单关闭方案的选型过程、RocketMQ 延时等级的局限性，以及如何实现精确到秒级的超时控制。 一、业务场景与挑战 1.1 业...
-
在趣玩搭社交平台的活动抢票场景中，我使用 Redis Lua 脚本实现了库存的原子性扣减。本文从 Lua 脚本的设计思路讲起，深入讨论为什么必须用 Lua 而不是普通 Redis 命令，以及 Redis 主节点宕机时如何保证库存数据不...