首页

长路的AI领域技术博客汇总文档

<p>汇总AI后端核心技术栈：涵盖LM Studio/Xinference大模型本地化部署、Milvus向量数据库Java实战、LangChain4j框架系统化教程（RAG、Function Calling、多模态VL），以及ReAct Agent智能体设计与医疗AI项目实战，提供理论到落地的全链路参考。</p>

BlogLoom 分发 Skill 02：公众号（gzh）渠道分发 Skill 设计思路与实现

<p>承接 BlogLoom 分发 Skill 通用骨架，聚焦微信公众号（gzh）渠道实现：用 md.doocs 将 Markdown 转富文本粘贴、账号名与真实 Cookie 交叉判登录、首图从正文选择并校验、原创声明多重试、群发二次确认与扫码，终态定为已提交，并复盘内容进不去与状态假成功等坑。</p>

BlogLoom 分发 Skill 03：CSDN 渠道分发 Skill 设计思路与实现

<p>从「一句话把本地 Markdown 发到 CSDN」出发，拆解 BlogLoom CSDN 渠道分发 Skill：文案与 Cookie 交叉判登录、隐藏标题框先触发再填、正文多策略粘贴、发布弹窗逐项配置标签首图专栏、删除二次确认与回读校验，并复盘登录假阳性、标签隐藏、专栏误配、删除假成功等坑。</p>

OpenAI协议01、OpenAI底层协议快速理解

<p>本文快速拆解 OpenAI Chat Completions 底层协议：messages 请求体、chat.completion 响应、finish_reason、SSE 流式增量及 function calling 的 tool_calls 细节，并用 curl 演练两轮工具调用的真实请求与响应。</p>

MCP 协议详解：历史演进、协议设计与 Client/Server 底层原理

<p>本文系统讲解 MCP（模型上下文协议）的历史演进与底层原理：从 M×N 集成难题与 LSP 类比讲起，展开 JSON-RPC 消息模型、Host/Client/Server 三角色、能力协商、传输与生命周期设计，并给出 Java 快速搭建与对接 Agent 的完整流程。</p>

AgentForge Local 工具模块核心设计原理

<p>本文讲解 AgentForge Local 工具模块的核心设计：通过 @Tool / @P 注解与反射，把普通 Java 方法自动扫描为 ToolSpecification，并完成 JSON 参数到方法入参的类型转换与反射调用，实现零依赖“让模型直接调用 Java 方法”。</p>

Anthropic协议02、AgentForge 适配Anthropic接入核心实践

<p>本文记录 AgentForge 开源项目适配 Anthropic 的接入实践：基于统一 ChatModel 协议，讲解 Headers、SystemMessage、User/AI 消息、工具调用、参数与 stop_reason 的映射规则，以及流式实现、错误处理与后续演进方向。</p>

MCP 框架调研与 AgentForge 接入实现

<p>本文对比 MCP 主流 Java 框架（LangChain4j、Spring AI、AgentScope）的协议实现路线，剖析 AgentForge “核心自研协议栈 + 官方 SDK 可选桥接”的选型依据，并给出 stdio/HTTP 双传输接入、ToolExecutor 映射与验证的落地实践。</p>

Anthropic协议01、Anthropic底层协议快速理解

<p>本文快速拆解 Anthropic Messages API 的底层 wire 协议：system 顶层字段、content block 消息结构、SSE 流式事件，以及 tool_use / tool_result 工具调用细节，并用完整 curl 演练非流式与流式两轮工具调用的真实请求与响应。</p>

OpenAI协议02、AgentForge 适配OpenAI接入核心实践

<p>本文记录 AgentForge 开源项目适配 OpenAI 的接入实践：基于统一 ChatModel 协议，讲解 Headers、消息、参数、响应与 finish_reason 的映射规则，并覆盖流式实现、OpenAI-compatible 服务、HTTP 错误处理与协议差距。</p>