53 归档分页
370 留言互动
4 核心专题

最近更新

Java 2026-07-13

从96%到70%

本文记录了把四个独立的 Spring Boot 项目(chat、puke、zepp、blog)合并为一个 Maven 多模块工程,只启动一个 total‑app.jar 的实践。原先每个项目占用一个 JVM,导致服务器内存接近 96%;通过在根 pom 统一依赖、在 launcher 中用 SpringApplicationBuilder 依次启动四个 ApplicationContext,并将配置分别放在 chat.yml、puke.yml、zepp.yml、blog.yml 中,消除了 JVM 底座的重复开销,内存降至约 70%。文章重点阐述了类路径冲突、资源目录重名、自动配置串扰和日志全局化等踩坑及对应的统一依赖、资源隔离、spring.autoconfigure.exclude 等解决方案。部署时仅需一次打包并用单条 java 命令启动,端口和 Nginx 配置保持不变,运维更简洁。该方案适合资源受限、访问量不高且对隔离要求不强的场景,虽牺牲了故障隔离,但能显著降低内存压力,为小型服务器提供务实的优化路径。

JVM SpringBoot JDK Linux 阅读全文
Java 2026-07-09

Codex 实战指南:让 AI 成为你的编程搭档

Codex 与普通补全工具不同,它能进入项目读取、修改文件、运行测试、解释报错,充当“会干活的 AI 搭档”。文章首先说明它最适合处理需要上下文理解的任务,如阅读陌生代码库、定位 Bug、补充测试、实现小功能等,并比较 IDE 插件、CLI 与云端三种使用方式,建议新手先从 IDE 或 CLI 入手。随后提供 macOS Homebrew 安装、账号或 API Key 登录步骤,并示例第一次只读分析项目结构,以低风险任务起步。针对 Prompt 编写,文章提出四要素(要解决的问题、修改范围、约束条件、验证方式),强调先让 Codex 写计划、提供充分上下文、要求自行运行测试并迭代修复。为统一项目规范,推荐在仓库根目录放置 AGENTS.md,记录依赖、lint、测试等规则,并通过 sandbox 参数控制只读、工作区写入或全访问权限。接着列举解释代码库、修复 Bug、实现筛选功能、补充测试、代码审查等常见场景,并说明使用 codex exec 实现自动化生成 release notes、总结 CI 失败等。云端任务适合大规模或并行操作,但仍需人工 Review。最后总结最佳工作流为只读分析→制定计划→小步修改→运行测试→人工 Review,提醒勿盲目信任结果,及时设定项目规则与权限,以让 Codex 成为提升效率而非取代程序员的可靠助手。

工具类 AI 阅读全文
Java 2026-06-06

🎁 限时福利!20张VIP会员体验券免费领 - 通意千应AI平台技术解析

通意千应AI平台上线庆典,限时免费发放20张VIP会员体验券,凭券码即可解锁全模型(DeepSeek、Kimi、Llama、Qwen等)无限使用。VIP用户享深度思考、联网搜索、图片识别、文件解析及优先响应等专属功能,平台采用多模型融合、智能调度、异步生成和双模式图片传输等技术,后端基于Spring Boot+MySQL+Redis,前端Vue.js,安全采用JWT+HTTPS。领取步骤为复制券码、注册登录、在会员中心兑换,即可立即体验顶级AI能力。

Java 2026-05-09

【AI率检测帮手】小程序

在AI写作工具广泛使用的背景下,「AI率检测帮手」小程序提供精准的AI生成概率检测、句式结构、词汇分布等多维度分析,并给出改写、增添情感等优化建议。支持学术论文、小说、新闻、作文等所有文体,文字长度无限制,操作简洁:粘贴文本‑点击检测‑秒返结果。帮助教师、编辑、自媒体人和写作者辨别和提升作品的人味,防止学术不端和平台限流。扫码或搜索即可免费使用。

Java 2026-05-08

通意千应如何“读懂“你的文件?一文拆解多模态上传全链路

通意千应在 Spring Boot + Vue.js 架构下实现了完整的多模态附件上传链路。前端提供文件选择、类型/大小/数量校验及图片预览;后端通过统一的上传 API 完成用户鉴权、批量限制、文件存储路径生成(UUID + 日期分层)并调用 FileParseService 对 PDF、Word、Excel、PPT、TXT、图片等七类文件进行文本提取。提取结果与元数据一起写入 MyBatis 管理的 chat_file 表,并同步上传至七牛云 OSS,实现 CDN 加速和双路径访问。系统采用分层结构、预解析策略、事务一致性和多策略解析模式,确保上传安全、高效且支持 AI 多模态交互。

Java 2026-04-24

通意千应语音播放(TTS)技术方案

通意千应 TTS 方案面向 AI 对话、智能客服等实时流式语音交互,采用“异步分段合成 + 流式预加载 + 语义级文本分割”三大核心策略。通过首段优先合成、后段后台预加载,实现首段即播、无感延迟;基于标点层级的三级智能分句(句末 > 逗号 > 强制截断),保证语义完整且避免生硬断句;采用本地 Caffeine 与 Redis 组合缓存,防止重复合成与资源浪费。系统架构采用 Vue3 前端配合 HTML5/Web Audio 音频引擎,后端 Spring Boot + Java 17 负责文本分段、Token 管理和调用百度云 TTS 接口,提供播放/暂停/切换会话等控制并具备合成失败自动重试、降级等异常自愈能力。整体实现兼顾低延迟、流畅衔接和高可用,适用于大模型实时语音输出场景。