Hollis【实战课程】大模型应用开发实战

课程详情

课程目录

1.代码介绍&应用启动
  01.课程介绍+如何答疑
  02.【重要】课程设计说明
  03.重要说明+如何下载代码
  04.代码目录结构&应用如何启动
2.大模型应用开发概述
  05. Prompt是什么
  06.行业趋势与岗位需求分析
  07. 什么是大模型
  08. 大模型的工作原理
  09.Java 在大模型应用开发中的优势
  10.大模型应用开发常用的平台
  11.百炼介绍与基本使用
  12.基于Ollama部署本地模型
  13.大模型的局限性以及常见解决方案
  14. LLM HelloWorld
3.提示词工程
  15. 什么是Prompt
  16. 如何设计Prompt？
  17. 高阶Prompt优化方法
  18. 结构化Prompt框架
  19. Prompt评测方法
  20. nof1提示词工程案例
  21. 理解 OpenAI API
4.SpringAl
  22. Java中大模型调用的多种方式
  23. 基于SSE实现大模型流式输出
  24. LLM应用开发框架：LangChain
  25. 接入Spring AI 与Spring AI Alibaba
  26. 开发必备的Spring AI核心概念(上）
  27. 开发必备的Spring AI核心概念(下）
  28. Spring AI 核心特性：提示词工程
  29. Spring AI 核心特性：流式输出
  30. Spring AI 核心特性：提示词模板管理
  31. Spring AI 核心特性：结构化输出（上）
  32.Spring AI 核心特性：结构化输出（中）
  33.Spring AI 核心特性：结构化输出（下） 2026-02-11  1168 次学习
  34. Spring AI 核心特性：对话记忆
  35. Spring AI 记忆管理技术：持久化记忆
  36. Spring AI 核心特性：Advisor
  37. Spring AI 核心特性：调用本地模型
5.LangChain4J
  38. 初识LangChain4j
  39. LangChain4J低层次API使用
  40. LangChain4j高层次API使用
  41. @AiService实现原理
  42. LangChain4j中实现持久化记忆
  43. Spring AI & Spring AI Alibaba & Langchain4j
6.Function Call
  44. 什么是Function Call
  45. 如何定义一个好的Function
  46. 使用Spring AI做Function Call
  47. Spring AI中的Tool Calling怎么实现的
  48. 实战：仿PDD自动帮买家申请退款
7.MCP
  49. 什么是MCP
  50. 深入理解MCP技术原理
  51. 如何接入MCP Server
  52. 使用Spring AI开发MCP Server
  53. 使用Spring AI开发MCP Client
  54. Spring AI MCP调用实现原理
  55. SSE MCP Server如何实现重连
  56. 将MCP改造为HTTPS
  57. MCP如何实现认证鉴权
  58. 神奇的context-path
  59. MCP调试工具
  60. 如何跳过MCP的模型总结
  61. 如何实现MCP工具过滤
  62. MCP与其他协议的区别
8.RAG
  63. 什么是RAG？
  64. 深入理解RAG技术原理——索引构建
  65.深入理解RAG技术原理——检索生成
  66. 使用 LlamaIndex 构建一个简单的RAG系统
  67. RAG的范式演进
  68. 文档预处理（上）
  69. 文档预处理（中）
  70. 文档预处理（下）
  71. 常见文档分片方式
  72.Java中如何实现文档分片
  73. 自定义支持父子分片的基于标题的分片器
  74. 向量模型&向量数据库&向量存储
  75. （选学）PostgresMlEmbeddingModel
  76. 向量数据库如何选型？
  77. （选学）如何使用离线向量模型
  78. 索引构建流程（ETL）总结与查缺补漏
  79. 检索增强生成
  80. Spring AI 和 LangChain4J中文档处理功能对比
  81. RAG优化技术：元数据过滤
  82. RAG优化技术：问题改写
  83. RAG优化技术：查询路由
  84. RAG优化技术：查询构造
  85. RAG优化技术：问题澄清
  86. RAG优化技术：HyDE
  87. RAG优化技术：混合检索(上）
  88. RAG优化技术：混合检索(中）
  89. RAG优化技术：混合检索(下）
  90. RAG优化技术：重排序
  91. RAG优化技术：Graph RAG（上）
  92.RAG优化技术：Graph 92.RAG（下）
  93. Spring AI中的Modular RAG支持
  94. LangChain4J中的Modular RAG支持
  95. 基于LangChain4J实现简单的RAG检索
  96. Spring AI 和 LangChain4J的模块化RAG功能对比
  97. 多模态RAG
  98. 多模态RAG——对接多模态模型做图像识别
  99.实战：多模态RAG智能问答系统（上）
  100. 实战：多模态RAG智能问答系统（中）
  101. 实战：多模态RAG智能问答系统（下）
9.Agent
  102. 什么是AI Agent？
  103. 常用的Agent开发框架
  104.Agent常用架构：ReAct Agent
  105.React Agent的实现方式？
  106. Alibaba-React Agent 初探
  107. Alibaba-React Agent 核心组件
  108. 如何给Agent增加持久化记忆
  109. 深入理解 Alibaba-React Agent 原理
  110. Agent常用架构：Plan and Execute Agent
  111. Agent常用架构：Reflection Agent
  112. Agent常用架构：Human in the Loop
  113. Agent常用架构：Multi Agent
  114. 使用AutoGen 构建一个代码生成器
  115. Spring AI Alibaba中的多智能体支持
  116. 多智能体协议——A2A
  117. 实战一：手搓ReactAgent（非流式）
  118. 实战一：手搓ReactAgent（流式）
  119. 实战一（后续）：ReactAgent流式输出有问题？
  120. 实战二：手搓ReflectionAgent
  121. 实战三：手搓PlanExecuteAgent
  122. 实战四：手搓Human in the Loop
10.上下文工程
  123. 什么是Context，和Memory、Prompt、Token之间的区别？
  124. 上下文太长会带来什么问题？
  125. 什么是上下文工程？
  126. 实战：Manus的上下文工程实践
11.Skill
  127. 什么是Agent Skills，为什么需要他？
  128. Skill的渐进式披露
  129. 一些好用的Skills推荐
  130. Claude Code中如何使用Skills
  131. 实战：开发一个简历评估的Skill
  132. 简历评估Skills讲解
  133. SpringAI中如何使用Skill？（Agent）
  134. SpringAI中如何使用Skill？（ChatClient）
12.项目实战
  135. 整体架构与功能点介绍
  136. 项目运行说明
  137. 智能对话：从需求分析到技术落地
  138. 流式控制与任务管理
代码
  LLMentor代码.rar