这门课要解决的是哪类工作场景

如果你已经在做 Java 后端，最近被要求「把 AI 能力接进现有系统」，或者团队里开始讨论智能客服、流程自动化、多步骤 Agent 这类需求，你会发现真正的难点不在调 API。调用大模型接口本身半小时就能跑通，难的是：一个真实业务里，Agent 要按顺序调多个工具、要根据中间结果决定下一步、要处理失败重试、要让人能看懂它为什么这么决策。这些东西用 if-else 硬写，两周后就没人敢改。

这门课盯的就是这个缝隙——从「能跑个 demo」到「敢放进生产」。它不讲大模型原理，也不教你怎么训练模型，而是讨论用 Java 技术栈把 AI 能力组织成可维护的工作流和智能体。对后端来说，这恰好是能迁移过去的既有优势：工程结构、依赖管理、异常处理、可观测性，这些经验仍然管用，只是编排的对象从服务调用换成了模型和工具。

它选的技术路线，以及为什么值得注意

课程把重心放在 Spring AI Alibaba Graph 上，并专门用一章讲技术选型与架构。这一点比较务实：市面上的 AI 开发内容大多围绕 Python 生态，Java 团队照搬会水土不服——语言不通、部署链路不同、和现有 Spring 体系割裂。Graph 这类编排思路的核心是把 Agent 的行为拆成节点和边，用图结构描述流程，而不是把逻辑塞进一个巨大的方法里。

课程里有一节叫「从工具使用者到架构创造者」，从命名能看出它的取向：不是教你背几个注解，而是让你理解为什么这么分层、工作流引擎该承担哪些职责、什么情况下该自己搭一层封装。这部分对已有后端经验的人价值更高，因为它对应的是设计判断，而不是 API 记忆。

学完之后能独立做什么

  • 把一段多步骤的 AI 任务拆成清晰的节点：哪些步骤交给模型、哪些用代码确定性处理、哪里需要人工介入。
  • 用 Java 搭出一个能跑通完整链路的工作流 Agent，包含工具调用、状态传递和异常分支。
  • 判断一个 AI 需求该用简单调用、工作流还是更复杂的智能体结构，并说清楚取舍理由。
  • 在现有 Spring 项目里接入 AI 能力，而不是另起一套孤立的服务。

需要说明的是，这些能力的边界在「工程编排」这一侧。模型效果调优、提示词的精细打磨、向量库选型，课程涉及但不深挖，指望它解决模型质量问题会失望。

资料适合什么基础的人

前置要求大致是：能独立写 Spring Boot 项目，理解依赖注入和配置管理，读得懂异步和回调。完全没接触过 Spring 生态的人，前半程会吃力。

另一方面，你不需要有 AI 开发经验，也不需要补 Python。课程从零讲智能体开发的工程侧，起点设在「会 Java 后端」而不是「会 AI」。目录里既有架构层面的讨论，也有逐节的实操演示，节奏上偏讲解加动手，不是纯文档堆砌。

如果你属于「被安排做 AI 功能、但不知道从哪下手」的后端，或者想转 AI 应用方向又不想丢掉 Java 积累，这门课的定位是匹配的。如果只是想了解大模型能干什么、或者要做的是算法和模型侧的工作，那它不对口，换别的资料更省时间。

课程目录

📁 第2章 技术选型与架构筑基：为什么是Spring AI Alibaba Graph？ 第2章 技术选型与架构筑基：为什么是Spring AI Alibaba Graph？说明.png [493.5 KB] 2-6 自研工作流Agent开发框架_ev.mp4
 [3.3 MB] 2-4 从“工具使用者”到“架构创造者”_ev『』.mp4
 [8.3 MB] 2-1 AI工作流开发的“三条道路”_ev.mp4
 [4.4 MB] 2-2 认识主流低代码平台Dify与Coze_ev.mp4
 [33.6 MB] 2-5 为什么Spring AI Alibaba Graph是Java生态的“终极答案”？_ev『』.mp4
 [5.6 MB] 2-3 低代码平台遍地，为何还要从零造轮子？_ev.mp4
 [8.4 MB] 📁 第7章 库存调拨Agent：可靠性方案落地实现 第7章 库存调拨Agent：可靠性方案落地实现文档.zip
 [1.8 MB] 7-4 如何更好的让用户或者领导看到你的流程设计？_ev.mp4
 [5.1 MB] 7-3 测试：Agent 工作流链路全测_ev.mp4
 [87.2 MB] 7-2 集成Redis Stack+Graph 配置改造实现工作流状态 Redis 持久化_ev.mp4
 [50.7 MB] 7-1 什么是检查点？_ev.mp4
 [19.7 MB] 7-5 集成PlantUML，一键生成专业架构图，让设计清晰可见_ev『』.mp4
 [71.6 MB] 📁 第1章 开课准备 第1章 开课准备文档.zip
 [1.8 MB] 1-1 课程导学_ev.mp4
 [39.9 MB] 📁 第15章 课程回顾与展望 第15章 课程回顾与展望资料.png [493.5 KB] 15-1 课程总结回顾与展望_ev.mp4
 [10.6 MB] 📁 第12章 企业大模型私有化部署方案 12-2 常见的算力服务器介绍以及算力服务器购买_ev.mp4
 [36.0 MB] 12-6 通过魔搭社区下载安装开源Qwen大模型_ev.mp4
 [48.1 MB] 12-3 AutoDL 服务器操作 + Ollama 安装落地_ev[].mp4
 [24.8 MB] 12-1 常见的私有化大模型部署方案介绍_ev.mp4
 [3.6 MB] 12-4 原有项目改造，适配Ollama私有化部署大模型_ev.mp4
 [47.6 MB] 12-7 原有项目改造，适配私有化部署Qwen大模型_ev.mp4
 [81.4 MB] 12-5 vLLM运行环境安装_ev[].mp4
 [49.4 MB] 📁 第3章 Spring AI Alibaba Graph框架核心精讲 3-5 节点与边定义及实操演示_ev.mp4
 [43.5 MB] 3-1 什么是Graph？为什么它是AI工作流的终极解决方案？_ev[].mp4
 [7.5 MB] 3-2 Graph核心三要素深度解析_ev[].mp4
 [17.1 MB] 3-3 代码环境搭建_ev.mp4
 [40.6 MB] 3-4 配置大模型参数与定义节点、边_ev.mp4
 [51.7 MB] 📁 第13章 高薪简历指导与项目深度包装 第13章 高薪简历指导与项目深度包装资料.png [493.5 KB] 13-1 亮点提炼：从技术到业务的包装逻辑_ev.mp4
 [5.3 MB] 13-2 智能库存挑拨优化系统面试攻略_ev.mp4
 [15.3 MB] 📁 第5章 库存调拨Agent_ 核心节点开发与链路测试 5-12 邮件推送接口代码实现_ev】.mp4
 [50.9 MB] 5-3 接入状态机并执行节点测试_ev.mp4
 [54.3 MB] 5-7 面试加分项：如何让大模型更好的理解你的意图_ev.mp4
 [57.6 MB] 5-11 邮件通知的依赖集成与服务配置_ev.mp4
 [38.1 MB] 5-8 面试加分项：使用多种提示词优化技术实现LLM输出准确性提升_ev.mp4
 [63.2 MB] 5-9 提取大模型内容转JSON,实现数据的结构化_ev】.mp4
 [79.4 MB] 5-15 MapStruct实现POJO转换_ev[].mp4
 [68.8 MB] 5-10 JSON数据返回与节点测试实操_ev.mp4
 [60.3 MB] 5-13 构建邮件推送节点并执行节点测试_ev.mp4
 [54.3 MB] 5-2 构建商品实时数据流_ev『』.mp4
 [49.4 MB] 5-1 全局状态机定义与声明_ev.mp4
 [41.5 MB] 5-4 构建库存实时数据流，为AI决策引擎提供精准弹药_ev[].mp4
 [43.3 MB] 5-5 完善库存实时数据流并执行节点测试_ev.mp4
 [76.4 MB] 5-6 预测引擎开发：接入AI大模型实现调拨建议生成_ev】.mp4
 [68.3 MB] 5-14 库存调拨保存接口的业务逻辑实现_ev.mp4
 [35.5 MB] 5-

16 状态机 JSON 数据解析与入库节点开发_ev.mp4
 [50.5 MB] 📁 第10章 BI报表问答Agent：SQL生成与报表生成引擎开发 10-1 问题点：Agent有什么安全隐患？_ev.mp4
 [24.3 MB] 10-4 验证：如何使用jdbcTemplate进一步提升安全性_ev.mp4
 [39.3 MB] 10-5 自动化报表生成引擎开发_ev.mp4
 [53.5 MB] 10-6 引入邮件发送服务以及邮件发送接口开发_ev.mp4
 [32.3 MB] 10-2 面试加分项：使用Prompt优化来增加安全性_ev.mp4
 [26.9 MB] 10-9 优化：如何用“少样本”瞬间提升AI智商，生成精准中文标头_ev.mp4
 [29.2 MB] 10-3 引入jdbcTemplate作为SQL执行层_ev.mp4
 [37.8 MB] 10-8 Agent测试以及问题点引出_ev.mp4
 [53.9 MB] 10-7 完善邮件发送接口业务开发_ev.mp4
 [48.5 MB] 📁 第14章 自研工作流Agent开发框架补充 第14章 自研工作流Agent开发框架补充资料.zip
 [1.8 MB] 14-

10 AI Agent文生图组件实现3_ev.mp4
 [75.3 MB] 14-2 LiteFlow组件讲解_ev.mp4
 [67.9 MB] 14-9 AI Agent文生图组件实现2_ev.mp4
 [27.5 MB] 14-4 EL编排学习1_ev.mp4
 [35.7 MB] 14-5 EL编排学习2_ev.mp4
 [39.5 MB] 14-

11 AI Agent图片编辑组件编写1_ev.mp4
 [36.6 MB] 14-3 LiteFlow上下文讲解_ev.mp4
 [56.4 MB] 14-6 组件参数绑定与执行器_ev.mp4
 [42.1 MB] 14-

13 AI Agent图片编辑组件编写3_ev.mp4
 [82.2 MB] 14-

12 AI Agent图片编辑组件编写2_ev.mp4
 [60.1 MB] 14-1 什么是LiteFlow_ev.mp4
 [34.2 MB] 14-7 前端编排UI搭建_ev.mp4
 [57.2 MB] 14-8 AI Agent文生图组件实现1_ev[].mp4
 [24.6 MB] 📁 第4章 库存调拨Agent_ 架构思路与工程环境搭建 第4章 库存调拨Agent_ 架构思路与工程环境搭建资料.png [493.5 KB] 4-3 基础框架封装：统一响应体、异常处理、日志规范的代码实现_ev.mp4
 [38.4 MB] 4-2 企业级项目标准化搭建_ev[].mp4
 [23.9 MB] 4-1 从痛点出发的架构思维_ev.mp4
 [10.9 MB] 4-6 Agent全链路流程设计_ev.mp4
 [16.8 MB] 4-5 使用代码生成器进行通用业务组件开发_ev.mp4
 [43.4 MB] 4-4 数据建模：核心数据库实体设计_ev[].mp4
 [49.6 MB] 📁 第9章 BI报表问答Agent：RAG技术与向量库整合 9-18 面试加分项：多种Prompt优化技术提高召回率_ev.mp4
 [43.9 MB] 9-6 使用Redis作为向量数据库以及问题引出_ev.mp4
 [55.7 MB] 9-9 扩展：使用DockerFile启动Milvus+客户化UI界面_ev.mp4
 [54.7 MB] 9-10 扩展：项目集成Milvus作为向量数据库_ev.mp4
 [45.7 MB] 9-12 数据准备：前置数据库脚本执行_ev.mp4
 [53.5 MB] 9-16 RAG检索过程源码解析_ev.mp4
 [50.5 MB] 9-13 明确目标：核心节点开发逻辑梳理_ev.mp4
 [29.1 MB] 9-17 如何让AI更好的理解用户不准确的表述？_ev.mp4
 [4.6 MB] 9-3 工程初始化与环境搭建_ev.mp4
 [31.7 MB] 9-

15 RAG 召回 + 大模型内容生成落地_ev.mp4
 [61.9 MB] 9-4 集成Tika文档读取器实现文档读取_ev.mp4
 [37.4 MB] 9-

14 AI Agent 提示词：教你编写高效果优质 Prompt_ev.mp4
 [34.2 MB] 9-5 文本向量大模型介绍以及整合智源向量大模型_ev.mp4
 [52.3 MB] 9-1 架构设计：从痛点出发的架构思维_ev.mp4
 [9.7 MB] 9-11 智能BI报表问答系统Graph工作流设计_ev[].mp4
 [5.5 MB] 9-8 面试加分项：使用自定义的定制化分割器来提高召回准确度_ev.mp4
 [65.8 MB] 9-2 RAG技术深度解析_ev.mp4
 [13.4 MB] 9-7 踩坑预警！默认文本分割方案的核心问题_ev.mp4
 [88.1 MB] 📁 第11章 BI报表问答Agent：SQL准确率方案落地与大模型调优实战 11-1 如何提高大模型生成的SQL的准确性？_ev.mp4
 [1.8 MB] 11-5 测试：验证评估节点效果_ev.mp4
 [58.2 MB] 11-7 条件边实现_ev.mp4
 [53.6 MB] 11-8 面试加分项：三件套：评估-循环-微调，准确率拉满！_ev.mp4
 [50.1 MB] 11-4 评估节点初级版本代码实现_ev.mp4
 [65.6 MB] 11-2 增加评估节点提升SQL准确性_ev[].mp4
 [24.0 MB] 11-6 智能BI报表问答系统Graph工作流进阶版设计_ev.mp4
 [6.3 MB] 11-9 BI报表问答Agent总结梳理_ev.mp4
 [33.7 MB] 11-3 评估节点系统提示词编写_ev[].mp4
 [30.8 MB] 📁 第6章 库存调拨Agent：风险控制方案落地实现 6-4 人类审核→对话召回→工作流激活：全链路落地_ev.mp4
 [61.6 MB] 6-5 人机协同流程总结与梳理_ev.mp4
 [13.2 MB] 6-1 什么是人机协同？为什么要进行人机协同？_ev.mp4
 [58.9 MB] 6-3 对话隔离落地：RunableConfig 的 threadId 配置开发_ev.mp4
 [54.5 MB] 6-2 Graph 配置适配人机协同节点_ev.mp4
 [58.5 MB] 6-6 1个条件边=N种执行路径！使用条件边轻松搞定复杂业务决策逻辑_ev.mp4
 [42.0 MB] 📁 第8章 库存调拨Agent：高并发方案落地实现 8-1 问题点：你是如何应对高并发场景的？_ev.mp4
 [6.6 MB] 8-8 如何保证Kafka消息不丢失__ev.mp4
 [72.3 MB] 8-5 消息中间件Kafka引入及接口改造_ev.mp4
 [60.4 MB] 8-9 如何保证Kafka消息不积压1_ev.mp4
 [35.9 MB] 8-6 Agent触发接口改造_ev.mp4
 [60.9 MB] 8-3 使用docker启动nacos服务_ev.mp4
 [43.4 MB] 8-12 成果验收：业务层开发与全流程联调测试_ev.mp4
 [55.3 MB] 8-2 项目改造：单体项目改造为微服务项目_ev.mp4
 [45.9 MB] 8-4 使用nacos作为配置中心以及新规范配置_ev.mp4
 [31.1 MB] 8-11 消费端重复消费的幂等处理_ev.mp4
 [100.6 MB] 8-7 Kafka生产与消费全链路打通_ev.mp4
 [72.4 MB] 8-10 如何保证Kafka消息不积压2_ev.mp4
 [41.1 MB] 适合人群 Java开发者 AI领域从业者 对AI开发感兴趣的学习者 学习收获 掌握AI智能体开发流程 学会使用Spring AI Alibaba Graph框架 提升AI开发能力 祝您学习愉快！ 学有所成，前程似锦！