ErgouTree's Blog

也是一直以来打算整理一下自己爱听的galgame ost 或者其他galgame相关的音乐，按照专辑的方式进行整理，同时我有的也会扒下来上传 就借助这个机会，好好的搞一下吧 顺序随缘 持续更新 【FLAC+MP3】AIR ORIGINAL SOUNDTRACK 神尾观铃镇楼 AIR ORIGINAL SOUNDTRACK 通过网盘分享的文件：AIR ORIGINAL SOUNDTRACK.zip 13XeUCWQxV19snaDqzz48uA?pwd=1174 提取码: 1174 解压 10086 【WAV】ゲーム「水葬銀貨のイストリア」Sound Track／ウグイスカグラ 【WAV】ゲーム「水葬銀貨のイストリア」Sound Track／ウグイスカグラ 【WAV】ゲーム「水葬銀貨のイストリア」Sound Track／ウグイスカグラ.zip 百度网盘 提取码: 1174 【FLAC】さよならアーリーサマー／やなぎなぎ、麻枝准 img 百度网盘 提取码: 1174...

前期项目涉及到的内容 LangChain4j 聊天与语言模型 一般来说，LangChain4j 认为 LLM 目前提供两种 API 类型： LanguageModel：它们的 API 非常简单，接收一个 String 作为输入，并返回一个 String 作为输出。 这种 API 现在逐渐被聊天 API（第二种 API 类型）取代。已不再扩展，逐渐被淘汰。 ChatModel：它们接收多个 ChatMessage 作为输入，并返回一个单一的 AiMessage 作为输出。使用它能够支持多模态、工具调用、参数控制、上下文对话。 而ChatMessage 通常包含在包含文本的基础上，但一些 LLM 还支持其他模态，例如图像、音频等 官方表示，对 LanguageModel 的支持在 LangChain4j 中将不再扩展，因此在之后我演示所有的功能中，我们将使用 ChatModel 的API。而且LanguageModel只会在这篇中得到演示和简单的讲解。 ChatModel 现在，让我们更深入地看看 ChatModel...

LangChain4j 简介 介绍 LangChain4j 是一个专为 Java 开发者设计的开源框架，旨在简化大语言模型（LLM）在 Java 应用中的集成。它的目标类似于 Python 生态中的 LangChain ，但针对Java生态进行了优化，提供统一的API抽象、上下文管理（Memory）、提示模板、文档检索（RAG）等功能。 统一的 API：LLM 提供商（如 OpenAI 或 Google Vertex AI）和嵌入向量存储（如 Pinecone 或 Milvus）使用专有的 API。LangChain4j 提供统一的 API，以避免学习和实现每个 API 的特定 API 的需要。要试验不同的 LLM 或嵌入存储，您可以轻松地在它们之间切换，而无需重写代码。 全面的工具箱：自 2023 年初以来，社区一直在构建许多由 LLM...

LLM基础 之前的 LLM 基础过于浅薄，我打算在这里再重述如下三个比较重要，示例的项目中广泛涉及到的内容，进行一个相对广泛的讲解 Embedding 为什么 Embedding 是 Neo4j + AI 的核心 因为现在基本的一些功能下： RAG GraphRAG AI 知识库 Agent Memory Neo4j Vector Index Semantic Search 多模态检索 Embedding 依旧是它们的底层基础，在自然语言处理 (NLP) 任务中，LLM 本身不擅长知识检索，处理文本需要将每个单词转换成对应的数字表示。大多数 Embedding 方法都归结为将单词或标记转换为向量。各种嵌入技术之间的区别在于它们如何处理这种“单词→向量”的转换。 在 Neo4j 的实践下，Neo4j 负责知识的关系结构，Embedding 负责语义空间，两者结合，才形成现代 AI...

体验在实际项目中使用 Neo4j 搭建项目 关于如何把 Neo4j 引入到项目中并且使用是本文的重点，以前的那种思想，图数据库相关的理解什么的，就不说了 那么，如何把 Neo4j 引入到 Spring 的项目中，首先，要有对应的有必要使用的业务 而且将 Neo4j 引入 Spring Boot 项目，最标准且高效的方式是使用 Spring Data Neo4j 那么，就以我们之前经常提到的社交网络搭建这个作为基本的业务，来去实现这么一个项目，这个例子也方便我们后续去引入 AI 来学习 Neo4j 在 AI 上的应用 Spring 中操作 Neo4j，核心是： 1234567Spring Boot ↓Spring Data Neo4j（SDN） ↓Neo4j Java Driver ↓Neo4j Database 那么，基本就需要引入如下依赖就足够了 12345<!-- Spring Data Neo4j（操作Neo4j） --> <dependency> ...

正文 塑造一部令人印象深刻的 galgame，可以从音乐入手，可以从作画入手，当然，最直接的，就是从剧本入手。令人印象深刻的 galgame 在剧本上通常个人风格浓厚，今天我们主要介绍的《赫炎的印加诺克》正是如此，这部作品的剧本家正是樱井光，这位如今不少型月粉丝都很熟悉的脚本家，便是在早期就以她那极具辨识度的文笔而闻名。她是一个两极分化，剑走偏锋的浪漫剧本家，正如本作一样小众且硬核。比起如今，我始终觉得，Liar-soft 时期的樱井光，才是她个人风格最浓烈、也最锋利的时候。 她在从 Liar-soft 离职后，便深度参与了 TYPE-MOON 的 Fate 系列企划写作，对于这部作品，连把她挖来的奈须蘑菇都赞不绝口。她那华丽的文笔，激烈的情感，鲜活生动的角色形象，饱含蒸汽朋克与克苏鲁元素的宏大世界观，在本作品中都极其鲜明的得到了体现。但因其文风晦涩，在 Liar-soft...

图的思维 理解 LPG 模型 LPG是带标签属性图，也就是Labeled Property Graph，它由四个核心要素组成：节点 (Node)、关系 (Relationship)、标签 (Label) 和 属性 (Property)。 LPG 模型之所以直观，是因为它完美契合人类对现实世界的认知方式。 节点 —— 实体 定义：节点代表现实世界中的对象或实体，比如一个人、一辆车、一笔订单。 特点：节点是独立的，拥有唯一的内部 ID。 示例：:Person（一个人）、:Movie（一部电影）。 关系 —— 连接 定义：关系连接两个节点，表示它们之间的关联。 特点： 有向性：关系总是有方向的（从起始节点指向终止节点），例如 (:Person)-[:ACTED_IN]->(:Movie)。 类型化：关系必须有类型（如 ACTED_IN, FRIEND_OF），这相当于关系型数据库中的外键，但更具语义。 可携带属性：这是...

前置知识 知识图谱 认识知识图谱 知识图谱就是用「图结构」来表示世界上的事物、事物的属性、以及事物之间的关系。 简单说，知识图谱就是通过不同知识的关联性形成一个网状的知识结构，而这个知识结构，恰好就是人工智能AI的基石。当前 AI 领域热门的计算机图像、语音识别、NLP，离不开 AI 的感知能力，真正 AI 的认知能力，就要靠知识图谱。 关系型数据库中，我们都知道它使用字段和关联来表示数据，但是它并不擅长去做关系。 知识图谱，Knowledge Graphs, KG，它由三部分组成： 实体：现实中的对象 人、公司、设备、地点……….. 属性：实体的特征 年龄、身高、价格、生产日期、性别……….. 关系：实体之间的连接 朋友、出演、属于、治疗、包含、购买、位于……….. 那么，知识图谱中，一条数据的标准表示方式如下 (实体) —[关系]→ (实体) 这种关系可以被这样的理解 主语 (Subject) —[谓语 (Predicate)]—> 宾语 (Object) sample...

条件构造器 MyBatis-Plus 提供了一套强大的条件构造器（Wrapper），用于构建复杂的数据库查询条件。 Wrapper 类允许开发者以链式调用的方式构造查询条件，无需编写繁琐的 SQL 语句，从而提高开发效率并减少 SQL 注入的风险。 主要的 Wrapper 类及其功能 类名 用途 字段引用方式 核心特点 QueryWrapper 查询 (SELECT) 字符串 ("name") 灵活，但字段名写错编译不报错 UpdateWrapper 更新 (UPDATE) 字符串 ("name") 专门用于构造更新条件和 SET 值 LambdaQueryWrapper 查询 (SELECT) Lambda (User::getName) 类型安全，重构友好，防拼写错误 LambdaUpdateWrapper 更新 (UPDATE) Lambda...

...

...

认识MyBatis-Plus MyBatis Plus 对 MyBatis 它 Plus 在哪？ 首先，MyBatis-Plus 是一个 MyBatis 的增强工具，在 MyBatis 的基础上只做增强不做改变，为简化开发、提高效率而生。 而且，MyBatis-Plus 它是无侵入的，只做增强不做改变，引入它不会对现有工程产生影响，如丝般顺滑 支持的数据库也对 MyBatis 进行了增强，而且它是国人开发的，所以也对国产数据库有所支持 image-20260323170954693 任何能使用 MyBatis 进行增删改查，并且支持标准 SQL 的数据库应该都在 MyBatis-Plus 的支持范围内，具体支持情况如上。 更多特性如下 无侵入：只做增强不做改变，引入它不会对现有工程产生影响，如丝般顺滑 损耗小：启动即会自动注入基本 CURD，性能基本无损耗，直接面向对象操作 强大的 CRUD 操作：内置通用 Mapper、通用 Service，仅仅通过少量配置即可实现单表大部分...

MyBatis的缓存机制 查询缓存 MyBatis 支持查询缓存,将查询结果临时存储在内存中，避免重复执行相同 SQL 导致的数据库往返开销，用于减轻数据压力，提高数据库性能。 MyBatis 的查询缓存分为一级缓存和二级缓存，两者的大致关系如下 img 日常开发中，80% 的数据库操作是查询，其中大量查询是重复且无状态变化的。这时候缓存就能： 减少数据库 IO 次数，降低数据库压力； 提升查询响应速度 而且 MyBatis 的缓存和 Hibernate 的不一样，它的代码层缓存逻辑更简单，因为 MyBatis 内置缓存，无需手动写 Map 缓存，很容易加上 Spring Cache 和 Redis 形成一个二级缓存 SqlSession SqlSession 是 MyBatis 中最核心的接口之一，很明显，MyBatis 通过这个接口与数据库建立连接的 Session 会话 所有对数据库的操作都必须通过 SqlSession 来执行，底层封装了 JDBC 的 Connection，同时整合了缓存、事务、Mapper...