Shop Platform 的事件驱动这层：Kafka 加 Transactional Outbox 保证投递，EventEnvelope 统一信封，IdempotencyGuard 管幂等，重试与 DLQ 各有策略，同步 Saga 和异步事件按场景分工。

领域服务是微服务里真正承载业务的那一层。Shop Platform 当前实现给出的形态是每服务一套独立 MySQL schema、Flyway 渐进式迁移、JPA 实体与 Repository 按服务组织、Outbox 表配补偿任务、统一响应模型携带 traceId。

Shop Platform 的 BFF 聚合层用 Virtual Threads 做并发编排、Resilience4j 做四层防护，结账走 Saga 加优雅降级，游客不注册也能下单。

API Gateway 是微服务的统一入口。这套仓库里它由 Spring Cloud Gateway Server MVC 加 Virtual Threads 承载，配 JWKS 校验的 JWT 过滤器链、Redis Lua 令牌桶限流和灰度路由，从 WebFlux 迁到 MVC 的取舍也在里面。

一个以 Java 25 + Spring Boot 3.5 + Spring Cloud 2025 为技术基线的电商平台 POC，涵盖 API 网关、BFF、领域服务、活动引擎与全链路可观测，可作为技术选型讨论的一个可运行参考。

为什么从单体迁到微服务、分布式系统会附带哪些固有代价、服务发现和熔断器各自解决什么，这三个问题串起来就是微服务的入门地图。

Spring AI 给了几类影响 LLM 返回结果的手段：生成选项、结构化输出转换器和流式响应，各自改变的是生成质量还是交互体验。

在使用 AI 生成内容时，Prompt 模板的设计至关重要。Spring AI 提供了 Prompt Template 的功能，帮助我们更好地组织和管理 Prompt 模板，从而提升生成内容的质量和一致性。搞个 AI 算命先生，来看看今天的运势如何吧！

我们使用 AI 生成的内容需要经过评估，以确保其质量和准确性。Spring AI 提供了统一的接口，可以使用一个模型对另一个模型的回复进行评估。但当前的 v1.1.0版本中存在一些问题，并不是太好用。

用 start.spring.io 生成 Spring AI 骨架，Chat Client 接 OpenAI 做一个 QA 对话，再只改配置切到 Gemini，ChatClient 的实现随之切换。