Map和set背后的数据结构

一句话结论Java+langchain4j/spring AI依旧是传统Java后端，只是多了最基础的LLM调用能力Java + Spring AI / LangChain4j ≠ AI 应用开发本身它更多是 “传统后端在接入 AI 能力”，而不是 “以 AI 为核心的应用工程”。差异不在语言，而在“系统的控制权和复杂度在哪一侧”。一、从「系统主导权」看本质区别（这是最重要的一点）1️⃣ Java + Spring AI / LangChain4j 的定位系统主导权在：业务系统 / 后端架构LLM 在这里是：一个能力插件一个“增强模块”一个被调用的外部服务典型结构是： Controller ↓...

刚来的时候觉得mentor好厉害，什么都会，说话平和。现在发现只是装的好罢了之前让我写个模块，告诉我要改成什么样，按照他说的改完了，也给他看过了。现在准备合入，又问我你为什么要这么写，你不觉得很麻烦吗？你对xx的理解是不是不对？自己工作太忙，跟别人开会沟通不畅，把脾气发在我的代码上，跟同事背后骂我不会写（当着领导的面），反正骂我干的烂是唯一零成本的呗

背景概述：为什么要写这个呢？虽然现在大模型很火，但对于我们工程同学来说，把大模型当一个黑盒用就好了。一开始我也是这么认为的。直到我在小红书做到了一个需求在小红书的时候有一个需求是优化组内一个 agent 项目的响应和结果优化，这个 agent 是一个复杂的商业助手，并不是说技术很难，但要分析的广告业务很复杂，有上千个指标，好几种场景，prompt非常长，如果输出的效果不好，是没有人愿意用的。用了很多优化手段，比如并发查数据等等。有一天这个项目的正职同学和我说，他和算法那边的同学交流，说可以把我们动态拼到 System prompt 的指标数据拼到用户的 query 里面，这样就可以利用模型的 ...