IDEA 创建 Spring Boot Web 项目完整教程

一、新建 Spring Boot 项目

1. 打开新建项目窗口

  • 打开 IntelliJ IDEA → 点击 新建项目(或从欢迎页选择 New Project
  • 在左侧生成器中选择 Spring Boot

  •          截图如下
选项填写内容说明
服务器 URLstart.spring.ioSpring 官方初始化地址
名称demo项目名
位置D:\idea项目存放路径(建议不要含中文 / 空格)
语言Java开发语言
类型Maven项目构建工具
org.example项目组织标识
工件demo项目模块名
软件包名称com.example.demo根包名
JDK21 Oracle OpenJDK 21.0.8你的 JDK 版本
Java17源码兼容版本(Spring Boot 4.0.3 推荐 Java 17+)
打包Jar可执行 Jar 包(Spring Boot 推荐)
配置Properties配置文件格式

       点击 下一步 (N) 进入依赖选择页面。

二、选择 Spring Web 依赖

1. 选择 Spring Boot 版本

  • Spring Boot 版本:4.0.3(保持默认即可)

2. 添加 Web 依赖

  • 在左侧依赖列表中展开 Web 分类
  • 勾选 Spring Web(右侧会显示依赖说明:用于构建 Web/RESTful 应用,内置 Tomcat 容器)
  • 确认 “已添加的依赖项” 中显示 Spring Web
  • 然后创建,idea会自动生成项目结构

       截图如下

三、等待项目初始化完成

  1. IDEA 会自动打开项目并执行以下操作:
    • 下载 Maven 依赖(底部进度条可见)
    • 生成标准 Spring Boot 项目结构
    • 配置 .gitignorepom.xml 等文件
  2. 等待右下角提示 “项目同步完成” 后,即可开始开发。

Read more

GitHub Copilot Pro 学生认证免费订阅及VS Code集成完整教程

GitHub Copilot Pro 学生认证免费订阅及VS Code集成完整教程

GitHub Copilot Pro 学生认证免费订阅及VS Code集成完整教程 一、学生认证资格与前期准备 1.1 认证资格要求 GitHub Copilot Pro 为经官方验证的全日制学生、在职教师及热门开源项目维护者提供免费订阅权限。认证需满足以下核心条件: * 学生需提供有效学籍证明(学生卡/学信网认证) * 教师需提供工作证/教师资格证 * 使用学校官方邮箱(以.edu或.edu.cn结尾) * 账户需通过双重身份认证(2FA) 1.2 账户设置准备 1. 绑定教育邮箱 在GitHub账户设置中添加学校邮箱,并完成验证: * 进入Settings → Emails → Add email address * 输入形如[email protected]的邮箱 * 登录学校邮箱查收验证邮件并确认 2. 完善个人信息 在Profile → Edit profile中填写:

AI 概念大乱斗?一文理清 LLM/AIGC/AGI/GPT 核心关系(附 2025 国内新动态)

AI 概念大乱斗?一文理清 LLM/AIGC/AGI/GPT 核心关系(附 2025 国内新动态)

大模型热潮席卷各行各业,各类科普文章、社交帖子里满是AI、LLM、AIGC、AGI、GPT、ChatGPT等概念,很容易让人看得眼花缭乱。下面就从基础逻辑拆解这些核心概念,帮你理清它们的关联与区别,还会补充最新行业动态,让认知更全面。 核心概念:从AI到AGI的层级关系 先通过逻辑梳理替代图示,清晰呈现概念间的包含与区分:AI是总纲,AIGC和AGI是其下两大重要分支,LLM则是支撑AIGC落地的核心技术。 AI(人工智能) 人工智能是技术总称,核心是让计算机具备模拟、延伸甚至拓展人类智能的能力。小到手机语音助手、拍照美颜,大到智能驾驶、工业机器人,都是AI技术在不同场景的应用,覆盖范围极广。 AIGC(生成式人工智能) AIGC全称AI Generated Content,即通过AI技术自动生成各类内容的分支,是当前最热门的AI应用方向。 * 文本生成:可创作新闻稿、营销文案、学术摘要、小说剧本等。 * 图像生成:能产出设计素材、插画、3D模型图、虚拟场景等。 * 音频生成:支持原创音乐、

【GitHub开源AI精选】WhisperX:70倍实时语音转录、革命性词级时间戳与多说话人分离技术

【GitHub开源AI精选】WhisperX:70倍实时语音转录、革命性词级时间戳与多说话人分离技术

系列篇章💥 No.文章1【GitHub开源AI精选】LLM 驱动的影视解说工具:Narrato AI 一站式高效创作实践2【GitHub开源AI精选】德国比勒费尔德大学TryOffDiff——高保真服装重建的虚拟试穿技术新突破3【GitHub开源AI精选】哈工大(深圳)& 清华力作 FilmAgent:剧本自动生成 + 镜头智能规划,开启 AI 电影制作新时代4【GitHub开源AI精选】Lumina - Image 2.0 文生图模型,以小参数量实现高分辨率多图生成新突破5【GitHub开源AI精选】探索 Mobile-Agent:X-PLUG 推出的创新型移动智能操作代理6【GitHub开源AI精选】吴恩达团队开源VisionAgent:用自然语言开启计算机视觉新时代7【GitHub开源AI精选】Oumi:一站式AI开发平台,涵盖训练、评估与部署全流程8【GitHub开源AI精选】深入剖析RealtimeSTT:开源实时语音转文本库的强大功能与应用9【GitHub开源AI精选】PodAgent:多智能体协作播客生成框架,

llamafactory微调qwen3-vl详细流程

llamafactory微调qwen3-vl详细流程

llamafactory微调qwen3-vl详细流程 目标:本文讲详细介绍多模态大模型使用llama-factory进行多模态模型微调(sft)的全部流程,以及微调后合并和工业落地部署方案。具体包括: 1. 环境安装部署 2. 数据集准备 3. 启动微调 4. 模型合并 5. 模型部署和请求方式(vllm部署) 示例模型: qwen2.5-vl-instruct qwen3-vl-instruct 环境安装 llama-factory环境准备 方式1 git直接下载 git clone --depth https://github.com/hiyouga/LLaMA-Factory.git 方式2 下载项目压缩包再解压 python环境安装 1. python虚拟环境创建 * conda create --name llama_env python=3.12 (默认已安装好anaconda或者minianaconda) * conda