AI 工程

Java 服务接入大模型的路径、部署与可控性，以及理解这些所需的机器学习与 NLP 原理。

从哪里开始

做工程落地先读 给 Java 服务接一个可控的 Agent，再看接入路径与部署形态；想补原理，按「机器学习流程 → 从词袋到 Transformer」的顺序读最后两篇。

文章

01给 Java 服务接一个可控的 Agent工具设计原则、MCP 与进程内工具的选择、三道可控性防线、评测集→02Java 接入大模型：直接调 API、框架，还是 MCP三条接入路径的分工，MCP 所在的层，以及无论选哪条都要自己做的六件事→03模型部署：Java 服务需要关心的那部分托管 API、vLLM、Ollama、Triton 怎么选；超时、流式、并发、成本与降级→04机器学习的一次完整流程鸢尾花实测：单次划分的噪声、标准化与泄漏、混淆矩阵，以及上线时要一起导出的东西→05从词袋到 TransformerTF-IDF 实测、词向量、自注意力的计算过程、BERT 与 GPT，以及服务端怎么选方案→