899.楼兰-AI大模型RAG系统实战课程-Java版本

这门课的主题很明确：用 Java 把 RAG（检索增强生成）做成一个能跑起来的企业问答系统。它不是讲大模型原理的课，也不是教你调参训练模型的课，而是解决一个具体工程问题——公司内部文档太多、没人看得完，怎么让大模型基于这些文档准确回答问题，而不是胡编。

它解决的是哪类工作场景

如果你所在的项目已经接了某个大模型接口，但发现它答不了公司内部的事：问报销标准、问接口规范、问历史工单，它要么说不知道，要么一本正经地编。这时候需要的就是 RAG：把内部资料切片、向量化、存进向量库，用户提问时先检索出相关片段，再连同问题一起交给模型生成答案。这门课沿着这条链路走，从最基础的模型调用开始，到对话记忆、工具调用、向量检索，最后落到一个完整的企业智能问答系统。对 Java 后端来说，这是目前把 AI 能力接进现有业务系统最现实的一条路，不需要换语言栈，也不需要重写服务。

适合什么基础，先看哪几块

前提是你能写 Java、用过 Spring Boot、看得懂 Maven 依赖和配置文件。不需要有机器学习背景，也不需要懂 Python。课程里会用到 LangChain4j 和 Spring AI 两个框架，前者内容更重，是主线。建议的看课顺序是：先过第一个大模型应用，把调用链路和配置跑通；接着看对话记忆那部分，理解多轮上下文是怎么存的；然后进入 Embedding 与自然语言搜索，这是 RAG 的地基，务必自己动手把一段文本切分、向量化、检索出来；最后看工具调用和整体问答系统的搭建。如果时间紧，Embedding 检索和最后的系统整合这两块不能跳，其余可以按需回看。

学完能独立做什么，资料怎么配合练

学完之后，你应该能独立完成这样一件事：给一个部门的知识库接上问答入口，用户提问能命中正确文档片段，回答里带出处，多轮追问不丢上下文，必要时还能调用外部接口查实时数据。这个能力可以直接用在客服、内部助手、文档检索这类需求上。

资料里的笔记是按主题分开的，不要当电子书从头读到尾。正确用法是：看视频前先扫一眼对应那份笔记，知道这一节要解决什么；跟着敲完代码后，把笔记里的关键配置和调用方式对照自己的代码检查一遍。练习不要只用课程给的示例文本，换成你手头真实的一份文档，比如产品手册或接口文档，走完整条链路。跑通一次真实数据的检索效果，比看十遍视频有用。另外注意，向量检索的效果很大程度取决于切分策略和检索条数，这部分课程会讲，但需要你自己在真实文档上反复调，才算真正掌握。