SmallYoung

一文读懂 LLM：从概率预测到 Agent 的底层逻辑

本文带你从零理解大语言模型（LLM）的真实本质：它是一个概率预测引擎，而非真正"理解"语言。文章系统讲解 AI 产品的网关架构、上下文窗口的核心地位，以及 Prompt Engineering、RAG、Function Calling、MCP、Agent 等热门概念的底层实现逻辑，帮助初学者建立完整的 AI 认知框架。

RAG质量评估全攻略：RAGAS四维指标 + 生产级监控实战

本文手把手讲解 RAGAS 评估框架的四大核心指标（忠实度、答案相关性、上下文召回、上下文精确），并基于 Spring Boot 3.4 + LangChain4j 1.13.1 提供完整的 Java 自动化评估实现，集成 DeepSeek/通义千问 API、SSE 流式推送与 Micrometer 监控，帮助你建立生产级 RAG 质量保障体系。

具有反思能力的 Agentic RAG 实战：用 LangChain4j 实现 CRAG 纠错检索

本文深入讲解 CRAG（Corrective RAG）纠错式检索增强生成的工作机制，并提供基于 Spring Boot 4 + LangChain4j 1.x 原生 API 的完整可运行 Java 实现，帮你构建具备自我反思和自我纠错能力的智能 RAG 流水线。

RAG 重排序技术详解：Spring Boot 4 + LangChain4j 1.13.1 实战指南

本文深入讲解 RAG 重排序（Reranking）技术原理，介绍双编码器与交叉编码器的核心差异，并结合 Spring Boot 4 + LangChain4j 1.13.1 原生 API，从零实现本地 ONNX 重排序与 Cohere 云端重排序，附完整可运行测试代码。

RAG 混合检索深度解析：BM25 + 向量检索 + RRF 算法，让 AI 真正"找到"你要的内容

本文深入解析 RAG 系统中混合检索（Hybrid Retrieval）的核心原理，详细讲解 BM25 关键词检索与向量语义检索的优劣互补，以及 RRF（倒数排名融合）算法的工作机制，并通过 Spring Boot + LangChain4j 提供完整可运行的 Java 代码示例，帮助开发者搭建高召回率的生产级 RAG 检索系统。

RAG 文档分块策略完全指南：从原理到 Java 实战

本文系统讲解 RAG 文档分块（Chunking）的 5 种核心策略，涵盖滑动窗口、递归分块、语义分块等原理与对比，并提供完整 LangChain4j Java 代码示例和 2026 年最新基准测试结论，帮助开发者选对分块策略，大幅提升 RAG 检索精度。