这门课的名字里有三个关键词:Java、企业级、LangChain4J。如果你正好是写 Java 的,又想弄清楚大模型应用到底怎么落到一个真实项目里,它是比较对口的选择。但如果你的目标是学 Python 生态下的模型训练、微调,或者想快速搭一个聊天机器人玩一玩,那这门课的方向和你想要的不是一回事,可以先跳过。
它解决的是哪个工作场景
企业里做大模型应用,难点通常不在调用一次接口,而在于怎么把它接进已有的业务系统。Java 团队尤其明显:后端是 Spring 那一套,模型能力却是另一套工具链,中间怎么衔接、会话状态放哪、提示词怎么组织、知识库怎么检索、出错怎么兜底,这些问题在 demo 里看不出来,一上真实业务就全冒出来了。
这门课选的是医疗场景,围绕一个叫「小智医疗」的项目展开。医疗场景的特点是:专业术语多、回答不能瞎编、很多问题需要基于给定资料来答。这恰好把大模型应用里几个绕不开的环节都逼出来了——知识注入、检索增强、回答约束。学完之后你手上会有一个完整的参照物,而不是一堆零散的接口调用示例。
学完能独立做什么
- 用 LangChain4J 在 Java 项目里搭出一套可运行的大模型对话链路,包括模型接入、会话管理、上下文传递。
- 把一份领域资料变成可检索的知识库,让模型基于资料回答,而不是靠自己的记忆胡诌。
- 处理医疗这类严谨场景下的回答控制问题,比如限定回答范围、给出依据、异常情况下的降级处理。
- 把上面这些能力封装成后端服务,对接前端或其他业务模块,而不是停留在本地跑通的脚本。
需要说明的是,这些能力是「能照着做出来、能改」,不等于「能独立设计一套全新的架构」。课程给的是项目路径和实现方式,架构层面的取舍还需要你在实际项目里再磨。
资料适合什么基础
前置要求比较明确:Java 基础要扎实,Spring Boot 要熟,Maven 或 Gradle 至少会用一个。如果这几样里有一项是空的,看视频会卡在环境配置和依赖管理上,体验不会好。大模型相关的知识不要求提前掌握,LangChain4J 本身也是从零讲起的,但你要对「提示词」「向量检索」这类概念有基本的心理准备,不然遇到陌生名词容易断片。
资料包里既有课件也有配套资料和视频,体量不小。建议的用法是:先看课件把项目的整体结构过一遍,知道这个系统由哪几块组成、每块负责什么,再进视频跟着敲。配套资料不要一开始就全展开,容易淹在里面;等视频讲到对应环节时再去翻,效率高很多。视频部分建议配合自己的 IDE 同步写,光看容易产生「我懂了」的错觉。
值不值得学
如果你已经在写 Java 后端,公司又在推大模型相关的需求,这门课能帮你把「不知道从哪下手」变成「知道每一步该做什么」。医疗是个具体的落地场景,比泛泛的通用助手例子更有参考价值,因为约束更多、坑更真实。
但如果你只是想了解大模型原理,或者打算走算法方向,这门课偏工程实现,不会讲模型本身是怎么训出来的。买之前先确认自己的目标是不是「用 Java 把大模型接进业务系统」,是的话,它值得花时间;不是的话,省下这笔预算。
课程目录
课程目录69 集
- 📁 课件 课件资料.png [493.5 KB] 课件.exe [4.1 MB] 📁 资料 资料说明.zip
- [1.8 MB] 资料.exe [2.2 GB] 📁 视频 视频文档.zip
- [1.8 MB] 47-项目实战-创建和配置Tools.mp4
- [140.6 MB] 35-Prompt-用户提示词.mp4
- [95.6 MB] 03-LangChain4j入门-应用程序整合大语言模型的常见场景.mp4
- [65.7 MB] 61-embedding-Pinecone的使用.mp4
- [148.3 MB] 65-项目实战-流式输出.mp4
- [125.0 MB] 25-Chat memory-替换聊天记忆的实现.mp4
- [104.4 MB] 64-项目实战-在硅谷小智中集成向量大模型和Pinecone向量存储.mp4
- [88.3 MB] .mp4
- [110.0 MB] 50-RAG-向量和维度.mp4
- [73.3 MB] 62-embedding-向Pinecone中存入数据.mp4
- [86.8 MB] 40-项目实战-测试硅谷小智聊天助手.mp4
- [164.0 MB] 59-项目实战-在硅谷小智中实现RAG.mp4
- [224.1 MB] 11-接入其他大模型-ollama.mp4
- [180.9 MB] 20-Chat memory-聊天记忆的简单实现.mp4
- [129.3 MB] 43-Function .mp4
- [60.8 MB] 33-Prompt-在提示词中添加当前日期.mp4
- [15.1 MB] 52-RAG-索引阶段和检索阶段.mp4
- [94.0 MB] 37-Prompt-多个参数的情况.mp4
- [70.5 MB] 09-接入其他大模型-运行时无法获取apiKey的原因.mp4
- [8.7 MB] 48-项目实战-测试硅谷小智的预约功能.mp4
- [145.4 MB] 42-Function Calling-工具的定义和使用.mp4
- [111.6 MB] 32-Prompt-系统提示词.mp4
- [243.2 MB] .mp4
- [39.1 MB] 44-Function .mp4
- [39.2 MB] 46-项目实战-测试业务方法.mp4
- [67.7 MB] 29-Persistence-SpringBoot整合MongoDB.mp4
- [441.5 MB] 66-项目实战-运行前端工程.mp4
- [44.1 MB] 57-自定义文档分割器.mp4
- [37.6 MB] 15-接入其他大模型-阿里百炼deepseek.mp4
- [68.8 MB] 06-LangChain4j入门-使用Spring Boot Starters.mp4
- [255.0 MB] 19-AIService-工作原理.mp4
- [100.8 MB] 45-项目实战-实现预约相关业务逻辑.mp4
- [155.7 MB] 04-LangChain4j入门-创建SpringBoot应用程序.mp4
- [117.0 MB] 22-Chat memory-使用AIService实现聊天记忆.mp4
- [125.5 MB] 21-Chat memory-使用ChatMemory实现聊天记忆.mp4
- [114.2 MB] 08-接入其他大模型-DeepSeek.mp4
- [269.1 MB] 10-接入其他大模型-ollama本地部署.mp4
- [92.5 MB] 51-RAG-相似度和相似度测量.mp4
- [34.9 MB] 55-RAG-文档分割器.mp4
- [94.5 MB] 27-Persistence-MongoDB简介.mp4
- [47.0 MB] 23-Chat memory-隔离聊天记忆.mp4
- [146.1 MB] 63-embedding-相似度匹配.mp4
- [76.8 MB] 13-接入其他大模型-阿里百炼通义千问.mp4
- [199.0 MB] 39-项目实战-创建硅谷小智聊天助手.mp4
- [263.5 MB] 14-接入其他大模型-阿里百炼通义万象.mp4
- [109.3 MB] 56-向量转换和向量存储.mp4
- [300.5 MB] 28-Persistence-MongoDB的安装和基本操作.mp4
- [236.9 MB] 07-接入其他大模型-都有哪些大模型可进行接入.mp4
- [65.8 MB] 38-Prompt-@SystemMessage和@V.mp4
- [99.0 MB] 05-LangChain4j入门-接入大模型.mp4
- [145.5 MB] 58-token和token计算.mp4
- [150.8 MB] 34-Prompt-从资源中加载提示模板.mp4
- [46.4 MB] 26-Persistence-存储介质的选择.mp4
- [100.9 MB] 54-RAG-文档解析器.mp4
- [60.9 MB] 41-Function Calling-测试大语言模型的缺陷.mp4
- [60.0 MB] 53-RAG-文档加载器.mp4
- [257.1 MB] 12-接入其他大模型-阿里百炼介绍.mp4
- [41.6 MB] 02-LangChain4j入门-简介.mp4
- [61.9 MB] 16-AIService-概念.mp4
- [37.5 MB] 30-Persistence-实现.mp4
- [218.1 MB] 31-Persistence-测试.mp4
- [117.6 MB] 49-RAG-RAG和微调大模型.mp4
- [169.7 MB] 60-embedding-引入通用文本向量模型.mp4
- [71.3 MB] 01-教程简介.mp4
- [42.5 MB] 24-Chat memory-实现原理.mp4
- [173.1 MB] 17-AIService-创建AIService.mp4
- [103.3 MB] 适合人群 AI开发者 医疗行业从业者 对大模型感兴趣的学习者 学习收获 掌握LangChain4J应用 了解大模型在医疗领域的应用 提升项目开发能力 祝您学习愉快! 学有所成,前程似锦!






