这门课的名字里有"企业级"三个字，它想解决的也正是这个层面的问题：你所在的 Java 团队要往业务里加 AI 能力，但团队里没人真正跑通过一条从模型接入到上线的链路。它不教你从零学 Java，也不教你训练大模型，而是假设你已经会写 Spring 项目，现在要把大模型、Agent、向量检索这些东西接进已有的系统里。
它对应的真实工作场景
课程前半段花了相当篇幅讲企业级 AI 应用的主流形态，以及 Java 技术栈里大模型应该放在哪个位置。这部分的价值在于帮你判断需求边界：哪些功能该调 API，哪些该做 RAG，哪些才需要自己搭 Agent 流程。很多团队踩的坑不是技术不会，而是一上来就把简单需求做成了复杂系统。
中间的核心是框架选型。Spring AI、LangChain4j、Spring AI Alibaba 这几套东西各自的能力边界和适用场景都有专门章节，还专门对比了 Java 与 Python 在 AI 开发上的差异。这对转行者尤其有用——你会清楚知道 Java 团队做 AI 不是"退而求其次"，而是在工程化、并发、服务治理这些已有优势上做延伸。
学完能独立做什么
从课程结构看，落点是"企业级 AI Agent 平台全链路工程实践"。也就是说，学完之后你应该能独立完成一条从模型接入、提示词与工具编排、到服务化部署的链路，而不是只会写几个调用大模型的 Demo。课程设有毕业条件，说明它对产出有要求，不是看完视频就算完。
配套的还有学习群组和助教答疑，以及三场直播回放。这类课最容易卡住的地方是环境配置和版本兼容，有人能问会比纯看视频省不少时间。
资料适合什么基础
不适合零 Java 基础的人。你需要能读懂 Spring Boot 项目结构、会基本的 Maven 依赖管理，最好有过实际项目经验，否则框架选型那几章会变成名词背诵。
反过来，如果你已经写过一些调用大模型 API 的代码，但停留在"能跑通"的阶段，不清楚怎么把它做成团队能维护的服务，这门课的定位就比较对。它讲的是工程实践，不是算法原理。
怎么用这份资料
- 先看开学第一课和课程安排，确认毕业条件，再决定投入多少时间。
- 框架对比的章节不要跳，选型判断比记住 API 更耐用。
- 跟着做项目时，遇到版本报错优先去答疑群确认，别自己硬耗。
- 直播回放适合在学完对应章节后补看，直接从头看容易跟不上节奏。
一句话判断：如果你的工作是"在 Java 系统里落地 AI 功能"，这门课值得花时间；如果你还在犹豫要不要转 AI 方向，先补 Java 和 Spring 的基础更实际。
课程目录
程： 2026年企业级 Java + AI 项目实战营【完结】 共 32 章 + 开学第一课 + 直播答疑，视频课时约 73 节（另有 3 场直播回放） 01 学习手册 欢迎加入企业级 Java + AI 项目实战营 课程形式及安排 学习群组与助教答疑 毕业条件 课程有效期、延期&退费申请 02 开学第一课 企业级 Java AI Agent 平台全链路工程实践 03 第一章：企业 AI 应用形态、技术趋势与工程能力建设 1-1 企业级AI应用的主流形态（上） 1-2 企业级AI应用的主流形态（下） 1-3 +AI案例与大模型在Java技术栈中的定位演进 1-4 Java团队AI转型路径与挑战与Java与Python 在AI开发的核心差异 04 第二章：技术选型与生态边界 Spring AI 简介与能力标准化快速接入（上） Spring AI 简介与能力标准化快速接入（下） LangChain4j 能力边界与原生框架 Spring AI Alibaba 概述与常见框架选型 05 第三章：Java AI 新兴技术与工具生态 3-1 Java AI新兴技术与工具生态概述 3-2 skills与harness 3-3 Embabel、AgentScope与新兴技术选型评估 06 第四章：Spring AI 核心组件详解 课程导学 4-1 Spring AI核心组件概述 4-2 Spring AI核心组件详解 07 第五章：LangChain4j 编程模型与 AI Services 5-1 LangChain4j编程模型与AI Services概述 5-2 AI Services声明式API 5-3 Chat Memory的Java实现 5-4 Tools工具调用与企业问答场景的AI Service示例 08 第六章：结构化输出与模型封装基础 6-1 结构化输出与模型封装基础 09 第七章：多模型接入与参数配置 7-1 多模型路由策略与流式输出的Java实现 7-2 DTO映射与序列化 10 第八章：异常处理与配置隔离 8-1 实践效果实现 8-2 异常体系搭建及隔离策略 8-3 重试与熔断机制 11 第九章：Spring Boot AI Service 封装规范 9-1 实践效果实现 9-2 Spring Boot AI Service封装规范 12 第十章：Prompt 模板化与参数注入 10-1 报表解读助手概述与效果 10-2 Prompt模板化与参数注入 13 第十一章：业务规则注入与输出格式约束 11-1 业务规则注入与输出格式约束 14 第十二章：Prompt 版本化与配置化管理 12-1 Prompt版本化与配置化管理 15 第十三章：结构化输出与 Java DTO 映射 13-1 企业问答助手及长对话表单应用概述 13-2 结构化输出与Java DTO映射（上） 13-3 结构化输出与Java DTO映射（下） 16 第十四章：会话历史管理与上下文裁剪 14-1 会话历史管理与上下文裁剪 17 第十五章：综合实践 15-1 Agent、Harness Engineering、MCP、Skills-综合实践 18 第十六章：RAG 架构总览与企业落地策略 16-1 RAG架构总览与企业落地策略 19 第十七章：Spring AI RAG 路线详解 17-1 Spring AI RAG路线详解（上） 17-2 Spring AI RAG路线详解（下） 20 第十八章：LangChain4j RAG 路线与分层架构设计 18-1 LangChain4j RAG路线与分层架构设计 21 第十九章：企业文档处理与元数据设计 19-1 企业文档处理与元数据设计（上） 19-2 企业文档处理与元数据设计（下） 22 第二十章：切分策略与 Embedding 流程 20-1 切分策略与 Embedding 流程（上） 20-2 切分策略与 Embedding 流程（下） 23 第二十一章：检索策略与重排序优化 21-1 检索策略与重排序优化 24 第二十二章：RAG 评测指标体系构建 22-1 RAG评测指标体系构建 25 第二十三章：企业级 RAG 治理与风险管控 23-1 企业级RAG治理与风险管控 26 第二十四章：Java Tool 定义与基础规范 24-1 Java Tool定义与基础规范 27 第二十五章：企业系统集成与权限控制 25-1 企业系统集成与权限控制概述 25-2 企业系统接入模式 25-3 权限控制 25-4 监控与追踪 28 第二十六章：Tool 设计模式与生产优化 26 Tool 设计模式与生产优化 29 第二十七章：MCP 协议与 Java SDK 27-1 MCP 协议与 Java SDK（上） 27-2 MCP 协议与 Java SDK（下） 30 第二十八章：Agent 工作流编排基础 28-1 课程导航 28-2 项目演示 28-3 Agent 工作流编排基础 31 第二十九章：Agent 框架与长链路治理 29-1 Agent 框架与长链路治理 29-2 Graph编排 32 第三十章：平台 SPEC 体系与组件规范 30-1 项目级 SPEC 30-2 能力级 SPEC 30-3 组件规格模板 33 第三十一章：智能 Agent 平台架构设计与实现规范 31-1 项目演示与SDD基本结构 31-2 核心设计实现 31-3 企业文档与业务接口草案输出 34 第三十二章：蓝图到 AIOps 系统的跃迁（阶段六） 32-1 需求分析与 SPEC 定义 32-2 SDD 架构设计 32-3 AIOps系统实践（上） 32-4 AIOps系统实践（中） 32-5 AIOps系统实践（下） 32-6 上线前准备与验证 32-7 项目收尾与总结 35 毕业总结【需要提交】 毕业总结【必交】 直播回放 6.4 直播答疑 6. 24 直播答疑 7. 23 直播答疑
