1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...

我是犯天条了吗？大佬们

嘿，兄弟们好，我是飞哥。前阵子我发了那篇上岸感悟，很多兄弟私信我：“飞哥，你老说现在要靠 AI 铲子吃饭，可我发现这 AI 经常‘不听话’，给的回答不是太虚就是格式乱掉，这铲子不好使啊。”确实，很多兄弟还把 AI 当成**“搜索引擎”在用——随手甩个问题，等着它给标准答案。但对于咱们要搞生产级应用的 Java 佬来说，你得把它当成一个“初级开发”或者“外包伙计”**。你给外包下需求，如果只是随口一句“帮我实现个抢票逻辑”，他保准给你搞出一堆 Bug。你得有清晰的文档、明确的边界、严苛的格式要求。这，就是 Prompt Engineering（提示词工程）。它是咱们重构 AI 思维的第一步：把“...