tenthy1118-CSDN博客

原创【BUG】IDEA与Maven的设置冲突

摘要：在IDEA中修改Maven的settings.xml后仍使用旧配置，主要原因是多配置文件优先级问题。MAVEN_HOME/conf下的settings.xml会覆盖其他配置，且.m2目录下的配置优先级更高。此外，缓存未清理、项目级配置覆盖或文件名不规范（必须为settings.xml）也会导致该问题。建议检查配置文件层级关系，确保正确命名并清理缓存后重新导入。（98字）核心问题：Maven多配置文件的优先级冲突导致修改失效，需注意配置加载顺序和命名规范。

2025-07-22 18:04:05 247

原创【Web前端】CSS实现玻璃效果

CSS毛玻璃效果的实现方法，包含核心样式定义、使用方式和效果调整技巧。通过CSS变量定义背景透明度、模糊强度和边框颜色，使用backdrop-filter属性实现毛玻璃效果。文章展示了基础类应用和@apply复用方法，并提供了调整模糊强度、背景透明度等参数的示例。还列举了侧边栏、弹窗等应用场景，最后给出完整的样式代码，包含设计变量、毛玻璃基础样式、侧边栏容器和图标容器样式，实现平滑过渡和悬停交互效果。

2025-06-11 15:35:36 530

原创【Web前端】对图片进行剪切并添加水印

基于cropperjs实现的图片裁剪组件，主要功能包括：支持自定义宽高比（默认16:9）、带透明水印、响应式对话框控制和高品质图片输出（JPEG 90%质量）。使用步骤简单，通过组件引入、参数配置和结果处理即可完成图片裁剪。核心实现涉及Cropper初始化设置、水印添加流程和样式定制选项。注意事项包括确保正确引入cropperjs库、图片加载完成后再显示对话框，以及大尺寸图片建议先压缩等优化建议。该组件适用于需要前端图片处理的各类应用场景。

2025-06-10 14:22:29 290

原创使用 WebFlux 和 LangChain4j 的架构

Java响应式AI服务的内存优化策略：1) JVM参数调优，推荐使用ZGC并设置合理内存限制；2)响应式编程控制背压与并发；3)LangChain4j专项优化模型加载和向量存储；4)依赖瘦身和缓存策略优化；5)配置内存监控；6)类加载和容器化优化。特别针对AI服务建议使用内存敏感注解。验证方法包括JConsole监控和性能分析工具。全文提供了从JVM到框架层次的具体配置示例，帮助开发者构建高效稳定的AI服务。

2025-06-06 11:21:40 301

原创【SSE】实现AI大模型的流式对话

摘要文章介绍了SSE（Server-Sent Events）技术及其在AI流式对话中的应用。SSE作为一种服务器推送技术，支持单向实时数据传输，适用于需要实时更新但不需要双向通信的场景。在流式对话中，AI大模型通过边生成边传输的方式，将回答拆分为逻辑单元实时发送，显著减少用户等待时间。前端实现包含两个核心部分：通过Marked.js和DOMPurify安全渲染Markdown格式的AI回复，以及构建具备自动重连机制（指数退避算法）和超时检测的SSE客户端连接。全技术栈实现展现了从服务器推送到前端展示的完整

2025-06-06 10:00:01 926

原创【BUG记录】SpringSecurity6.2以上 AuthenticationManager=null

在多模块Spring Security开发中，出现AuthenticationManager返回null问题的解决方法是：当使用SecurityConfigurerAdapter配置类时，必须在继承该适配器的子类中（如JwtAuthenticationSecurityConfig）显式设置AuthenticationManager，而非在WebSecurityConfig中配置。这是因为SecurityConfigurerAdapter的配置顺序会影响AuthenticationManager的可用性。示例

2025-06-04 14:51:24 377 1

原创【Langchain4j】Function Calling 函数调用

本文介绍了如何为大语言模型集成工具类并调用RPC接口。主要内容包括：1）创建带有@Tool注解的数学工具类，支持加减法和平方根运算；2）配置工具类到AI服务中；3）通过Feign调用RPC接口实现文章搜索功能，使用@ToolMemoryId维护上下文；4）通过REST API暴露聊天接口。关键点：工具类需用@Component/@Service注入，多工具配置需指定wiringMode=EXPLICIT，建议为工具方法添加清晰描述以提升AI调用准确性。

2025-05-26 10:44:50 370

原创基于LangChain4j的智能助手开发实践

本文介绍了基于LangChain4j开发智能助手的实践，采用分层架构设计，核心模块包括接口层、服务层、存储层和配置层。通过@AiService注解定义对话接口，使用MongoDB实现对话记忆的持久化存储，并通过@MemoryId实现多用户对话的上下文隔离。技术策略上，采用弹性扩展设计，支持快速查询和更新操作。最佳实践建议包括合理设置内存管理参数、增强可观测性、优化聊天接口等。该架构具备多用户隔离、历史对话管理、弹性扩展和异常自动恢复等能力，开发者可根据需求调整记忆窗口大小和存储策略。

2025-05-16 10:53:17 400