如果你已经会写 Java，但面对"怎么把大模型接进业务系统"这件事一直没动手，这套课值得先看清楚它到底解决什么。它不是教你训练一个通用大模型，而是教你用 Java 技术栈把大模型能力落到具体业务里——比如做一个能查订单、能退订、能记住对话上下文的智能客服助手。这类需求现在在企业里很常见，但网上零散的教程大多停在调 API 的层面，真正涉及工程结构、框架选型和多轮交互设计的并不多。

它解决的是"接进业务"这一段，不是"从零学 Java"

课程的主线是用 SpringAI Alibaba 框架搭建大模型应用，围绕一个智能航空助手的实战项目展开。你会接触到几个关键问题：怎么让模型调用外部接口完成实际动作（比如退订一张票），怎么让对话保持上下文而不是每轮都失忆，以及怎么把大模型接入现有的 Java 服务结构。这些是实际开发中最容易卡住的地方，也是区分"会调 API"和"能做产品"的分水岭。

适合的基础比较明确：你需要能读懂 Java 代码、了解 Spring 的基本用法，最好写过 REST 接口。如果完全没碰过 Java 或 Spring，直接上这套课会比较吃力，建议先补框架基础。反过来，如果你已经是熟练的 Java 后端，只是没接触过大模型应用，那门槛不高，重点在于理解大模型特有的交互模式，而不是学新语言。

建议先看架构解析，再跟实战走

资料里有两块值得优先投入。一是 SpringAI Alibaba 的架构解析部分，先把框架的角色分工、请求怎么流转搞清楚，后面写代码时不容易迷路。二是 Function Call 相关的几节，从原理到实战应用是连贯的——先理解模型如何决定调用哪个工具，再看它在退订场景里怎么落地。对话记忆那一节也建议不要跳过，多轮上下文是很多智能应用体验好坏的关键，理解它的实现方式对你后面自己设计场景很有帮助。

看的时候建议边看边改。不要只跟着敲一遍就过，试着把示例里的业务动作换成你自己熟悉的场景，比如改成查物流、改预约，观察哪些地方要动、哪些是框架帮你处理好的。Function Call 的部分尤其值得自己加一个工具函数，体会模型选择工具的边界在哪里。

学完之后你能独立做到什么

比较现实的预期是：你能独立搭出一个带多轮对话、能调用后端接口完成具体操作的 Java 智能应用原型，并且知道怎么把它接入现有服务。这不是"学完就能上生产"的承诺，业务系统还要考虑权限、并发、异常兜底和成本控制，但你会具备把这些继续做下去的基础结构认知。如果你正打算在团队里推动一个 AI 功能落地，这套资料能帮你把技术方案想清楚，而不是停留在"调个接口试试"的阶段。

课程目录

4、Java大模型项目智能航空助手实战105 集
  • 106_10.Function Call揭秘：扩展AI能力边界.mp4
  • [7.3 MB] 103_7.对话记忆：让AI记住用户上下文.mp4
  • [11.1 MB] 105_9.智能退订：Function Call实战应用.mp4
  • [15.2 MB] 98_2.SpringAI Alibaba 架构解析：开发必做准备.mp4
  • [13.9 MB] 111_15.如何通过cline和springAI使用McpServer.mp4
  • [53.2 MB] 104_8.日志追踪：AI对话监控.mp4
  • [13.1 MB] 109_13.RAG实战：突破大模型知识局限.mp4
  • [36.7 MB] 97_1. SpringAI Alibaba 实战：企业级AI项目演示.mp4
  • [11.3 MB] 99_3.前后端项目启动SpringAI Alibaba.mp4
  • [7.3 MB] 110_14.MCP+SpringAI：企业级AI解决方案.mp4
  • [20.5 MB] 108_12.退订确认：保障业务完整性.mp4
  • [17.9 MB] 107_11.Function Call实战：智能退订实现.mp4
  • [27.2 MB] 102_6.角色预设：打造个性化AI助手.mp4
  • [9.0 MB] 100_4.SpringAI Alibaba 代码深度解读.mp4
  • [19.0 MB] 101_5.实战智能对话：让AI听懂你的需求.mp4
  • [15.7 MB] 📁 5、大模型底层协议MCP与A2A详解与实战 113_2.如何通过cline和springAI使用McpServer.mp4
  • [50.8 MB] 112_1.MCP是什么MCP+SpringAI快速实现.mp4
  • [19.9 MB] 📁 1、Java大模型开发框架LangChain4J实战 11_11.对话持久化：你和AI的对话如何持久化到数据库.mp4
  • [8.3 MB] 06_6.SpringBoot整合：企业级AI应用开发【公众号：CunWorkNotes】.mp4
  • [19.8 MB] 03_3.国产最强！DeepSeek+通义千问接入实战.mp4
  • [21.2 MB] 17_17.向量检索：精准匹配海量知识.mp4
  • [23.4 MB] 19_19.智能分词器：中文RAG的核心武器.mp4
  • [47.7 MB] 08_8.多轮对话开发：让AI拥有“记忆”.mp4
  • [8.8 MB] 12_12.Function Call：连接外部API的终极方案.mp4
  • [28.6 MB] 20_20.文本向量化：让AI真正理解你的数据.mp4
  • [9.9 MB] 13_13.实战票务助手：SystemMessage+Function Call最佳实践.mp4
  • [17.0 MB] 24_24.什么是MCP？Langchain4j接入MCP Server.mp4
  • [49.5 MB] 22_22.SpringBoot+RAG：生产级知识库方案.mp4
  • [23.4 MB] 04_4.Ollama本地部署：低成本运行大模型.mp4
  • [9.9 MB] 15_15.向量引擎：大模型理解的基石.mp4
  • [9.1 MB] 07_7.流式输出：打造实时交互AI应用.mp4
  • [17.6 MB] .mp4
  • [16.1 MB] 16_16.文本向量化：从词到语义的跨越.mp4
  • [8.7 MB] 01_1.LangChain4j全景解读：从0到1构建AI应用.mp4
  • [116.4 MB] 05_5.文生图+语音：用LangChain4j玩转多模态.mp4
  • [7.8 MB] 21_21.检索增强：打破大模型幻觉边界.mp4
  • [16.8 MB] 23_23.智能体开发：用ServiceAI链构建AGI雏形.mp4
  • [24.6 MB] 14_14.RAG揭秘：用知识库增强AI智商.mp4
  • [13.3 MB] 02_2.5分钟上手LangChain4j实战.mp4
  • [14.3 MB] 18_18.RAG文件解析：非结构化数据处理术.mp4
  • [9.9 MB] 09_9.ChatMemory实现及原理：实现上下文感知对话.mp4
  • [17.7 MB] 📁 6、Java大模型微调实战 114_1.分钟用LlamaFactory微调模型部署ollama SpringAI接入.mp4
  • [51.4 MB] 📁 3、Spring Al Alibaba大模型开发框架实战 95_53.10分钟构建能主动提问的智能导购.mp4
  • [23.1 MB] 76_33.Spring AI Alibaba本地集成百炼知识库实战.mp4
  • [42.5 MB] 82_40.百炼智能体应用接入高德地图MCP服务.mp4
  • [18.8 MB] 43_0.课程介绍.mp4
  • [4.9 MB] 60_17.Audio Model实现文生语音&语音转文本.mp4
  • [18.0 MB] 61_18.提示词的数据结构【公众号：CunWorkNotes】.mp4
  • [10.8 MB] 83_41.基于stdio实现MCP服务.mp4
  • [47.9 MB] 46_3.大模型选型.mp4
  • [2.6 MB] 65_21.基于SystemPromptTemplate实现提示词动态模版.mp4
  • [11.9 MB] 45_2.版本选型.mp4
  • [6.5 MB] 50_7.Spring AI Alibaba接入阿里云百炼平台的大模型.mp4
  • [14.3 MB] 52_9.实现你的第一个AI应用聊天机器人.mp4
  • [31.4 MB] 48_5.基于Cherry Studio接入云端大模型.mp4
  • [19.1 MB] 85_43. 手写MCP服务并借助serverless上传到云端.mp4
  • [35.4 MB] 94_52.商品智能导购介绍.mp4
  • [18.0 MB] 79_36.智能客服根据商品ID获取商品详情.mp4
  • [27.6 MB] 89_47.使用Memory实现智能客服多轮对话记忆能力.mp4
  • [12.9 MB] 88_46.接入阿里云百炼模型实现智能客服对话能力.mp4
  • [11.4 MB] 96_54.基于阿里云百炼工作流构建电商智能导购应用.mp4
  • [20.9 MB] 68_25.通义千问模型参数调优【公众号：CunWorkNotes】.mp4
  • [16.3 MB] 84_42. 基于SSE实现MCP服务【公众号：CunWorkNotes】.mp4
  • [27.0 MB] 55_12.如何让大模型具有对话记忆？.mp4
  • [20.2 MB] 44_1.Spring AI Alibaba的介绍.mp4
  • [43.0 MB] 69_26.如何实现多个AI大模型的无缝切换.mp4
  • [25.8 MB] 74_31.Spring AI Alibaba实现RAG.mp4
  • [16.2 MB] 47_4.基于Ollama部署本地大模型.mp4
  • [24.3 MB] 78_35.Fuction Calling获取天气信息.mp4
  • [42.5 MB] 73_30.RAG的工作原理.mp4
  • [18.8 MB] 77_34.Fuction Calling是什么.mp4
  • [12.4 MB] 71_28.利用cherry studio导入题库让大模型实现考题解析.mp4
  • [16.1 MB] 62_19.基于ConfigurablePromptTemplateFactory实现提示词动态.mp4
  • [22.3 MB] 57_14.基于Redis存储历史对话.mp4
  • [36.6 MB] 64_20.基于PromptTemple实现提示词动态模版.mp4
  • [8.3 MB] 66_23.如何实现结构化输出.mp4
  • [20.0 MB] 53_10.ChatClient如何返回实体类型.mp4
  • [22.1 MB] 91_49.使用RAG接入电商客服知识库.mp4
  • [19.6 MB] 51_8.Spring AI Alibaba接入兼容OpenAI API的大模型.mp4
  • [19.0 MB] 80_38.什么是MCP协议.mp4
  • [18.6 MB] 92_50.使用Fuction Calling实现订单相关业务的调用.mp4
  • [11.3 MB] 54_11.定制ChatClient指定消息角色.mp4
  • [29.1 MB] 49_6.Spring AI Alibaba整合Ollama接入本地大模型.mp4
  • [18.0 MB] 87_45.电商智能客服项目演示.mp4
  • [42.9 MB] 70_27.什么是RAG.mp4
  • [7.7 MB] 56_13.基于内存存储历史对话.mp4
  • [20.4 MB] 63_22.静态RAG实现：提示词动态注入.mp4
  • [22.6 MB] 93_51.使用MCP调用订单服务查询订单详情.mp4
  • [25.7 MB] 75_32.Spring AI Alibaba本地集成百炼智能体应用实战.mp4
  • [28.0 MB] 59_16.ImageModel实现文生图【公众号：CunWorkNotes】.mp4
  • [9.4 MB] 72_29.基于阿里云百炼平台0代码构建RAG应用.mp4
  • [14.4 MB] 58_15.对话模型ChatModel使用.mp4
  • [23.7 MB] 67_24.大模型是如何工作的？.mp4
  • [12.4 MB] 81_39.cherrystudio接入百度地图MCP服务.mp4
  • [18.3 MB] 90_48.使用Trae 生成电商订单服务代码.mp4
  • [18.0 MB] 86_44.电商智能客服项目的介绍.mp4
  • [11.9 MB] 📁 资料 JAVA2AI资料汇总-徐庶.txt [3.0 KB] 图灵资料.txt [955.0 B] 10.分钟用LlamaFactory微调模型部署ollama，SpringAI接入.mp4
  • [415.0 MB] 2分钟部署本地文生图模型.mp4
  • [79.5 MB] 7.qwq32b+接入spring cloud alibaba 完成智能化实战.mp4
  • [338.9 MB] 8.MCP是什么MCP+SpringAI快速实现.mp4
  • [150.9 MB] 9.如何通过cline和springAI使用McpServer.mp4
  • [427.5 MB] 4.Spring AlibabaAi快速上手.mp4
  • [44.9 MB] 6.deepseek接入spring cloud alibaba 完成智能化实战.mp4
  • [93.6 MB] 5.DeepSeek本地部署教程.png [5.9 MB] JAVA+AI大模型智能应用开发.jpg [60.1 KB] 1.开场.mp4
  • [62.5 MB] 适合人群 Java开发者 AI应用开发者 学习收获 掌握AI应用开发 精通SpringAI Alibaba框架 实现智能项目实战 祝您学习愉快！ 学有所成，前程似锦！