课程目录

• 第1章 大模型启蒙：AI世界观构建
• 1-1 学懂LangChain4j，构建你的Java大模型应用的核心能力
• 1-10 【生态对比】框架生态深度评测：Spring AI与Langchain4j的技术路线对比（2）
• 1-2 【概念全览】全局视角解析：站在高角度审视AI技术大模型
• 1-3 【生态图谱】大模型技术图谱：大模型应用开发场景流程
• 1-4 【生态图谱】大模型技术图谱：大模型如何产生&大模型面临哪些问题
• 1-5 【生态图谱】大模型技术图谱：大模型向量数据库应用场景流程
• 1-6 【生态图谱】大模型技术图谱：大模型模型微调场景流程
• 1-7 【架构解密】Langchain4j架构解密：Java生态的AI开发新范式
• 1-8 【架构解密】Langchain4j架构解密：Langchain4j开发应用场景
• 1-9 【生态对比】框架生态深度评测：Spring AI与Langchain4j的技术路线对比（1）
• 第2章 接入模型：LangChain4j接入生态实战
• 2-1 【环境准备】Springboot应用程序搭建指南
• 2-10 【设计模式】使用工厂模式集成多模态大模型
• 2-2 【上手体验】Langchain4接入第一个大模型HelloWorld
• 2-3 【模型框架整合】Langchain4j整合生态SpringBoot
• 2-4 【丰富模型】Langchain4j支持哪些大模型接入
• 2-5 【丰富模型】Langchain4j整合DeepSeek大模型
• 2-6 【模型介绍】阿里百炼大模型使用介绍
• 2-7 【丰富模型】Langchain4j接入阿里百炼大模型
• 2-8 【丰富模型】Langchain4j接入阿里千义万象大模型
• 2-9 【丰富模型】Langchain4j接入阿里百炼DeepSeek大模型
• 第3章 解放生产力：AiService智能代理
• 3-1 【核心原理】AiService特性与知识要点讲解
• 3-2 【小牛试刀】上手体验AiService基本玩法有哪些
• 3-3 【精益求精】AiService如何优雅的进行创建
• 3-4 【消息类型】AiServices封装的消息类型有哪些
• 第4章 记忆宫殿：ChatMemory对话记忆
• 4-1 【上手体验】大模型聊天记忆简单实现
• 4-2 【核心组件】使用AiSerivce整合ChatMemory实现聊天记忆
• 4-3 【高阶特性】ChatMemory实现会话隔离机制
• 4-4 【源码剖析】知其然之所以然：ChatMemory源码深度解析
• 4-5 【存储选择】ChatMemory合理选择存储介质
• 4-6 【高阶特性】ChatMemory如何平滑的切换存储介质
• 4-7 【高阶特性】ChatMemory自定义整合MySql存储介质
• 4-8 【高阶特性】整合MySql存储介质数据格式
• 第5章 咒语工程：提示词角色操纵术
• 5-1
• 5-2 【扩展应用】提示词日期应用与加载提示词方法
• 5-3
• 5-4 【核心应用】提示词多个参数使用方法
• 5-5
• 5-6 【扩展应用】自定义基础类型和自定义对象结构化输出
• 5-7 【扩展应用】自定义枚举类型和boolean类型结构化输出实践
• 5-8 【落地实践】基于提示词构建专业的法律咨询助手
• 第6章 超能扩展：Tools外部能力集成
• 6-1 【上手体验】函数调用介绍&通过AiSerivce整合Tool函数调用
• 6-2 【流程分析】画图剖析大模型与本地函数调用流程
• 6-3
• 6-4 【落地实践】基于提示词+函数调用实现+聊天记忆实现电商平台智能助手_慕课网1
• 第7章 案例实战：AI招领助手开发V1
• 7-1 【项目介绍】失物招领智能助手功能介绍
• 7-10 【持久化数据】开发失物登记数据持久化数据库
• 7-11 【阶段测试】失物登记持久化数据库测试
• 7-12 【核心开发】开发失物招领会话记忆AOP切面功能
• 7-13 【核心开发】开发自定义会话聊天记忆Tool工具类
• 7-14 【阶段测试】测试自定义会话聊天记忆功能
• 7-15 【核心开发】开发失物登记修改功能
• 7-16 【阶段测试】测试失物登记修改功能
• 7-17 【场景优化】解决修改失物登记场景大模型出现幻觉问题
• 7-18 【完善功能】完善失物招领助手会话记录查询和删除记录功能
• 7-19 【核心开发】开发找到失物登记大模型功能
• 7-2 【架构设计】失物招领智能助手架构设计
• 7-20 【核心开发】开发找到失物登记业务功能
• 7-21 【阶段测试】测试与优化找到失物登记相关功能点
• 7-22 【阶段测试】找到失物补充信息功能测试
• 7-23 【总结优化】阶段性总结&优化版本说明
• 7-3 【基础搭建】失物招领基础环境工程搭建
• 7-4 【基础测试】失物招领智能大模型基础环境测试
• 7-5 【核心开发】开发失物招领大模型用户意图功能
• 7-6 【阶段测试】失物招领用户意图阶段自测
• 7-7 【核心开发】开发失物招领大模型失物登记功能
• 7-8 【引出问题】多个系统提示词共用AiService带来的问题
• 7-9 【阶段测试】大模型失物登记功能测试
• 第8章 开天眼：向量知识库智能增强
• 8-1 【应用场景】RAG和微调大模型应用场景介绍
• 8-10 【核心知识】RAG文档分割器使用
• 8-11 【核心知识】大模型token相关概念
• 8-12 【丰富模型】阿里百炼embedding向量模型接入
• 8-13 【向量存储】Pinecone向量存储组件使用介绍
• 8-14 【整合Pinecone】工程接入Pinecone向量存储
• 8-15 【落地实践】构建仿京东外卖客服加载属于自己的知识库
• 8-16 【落地实践】构建仿京东外卖客服知识库建立索引到Pinecone
• 8-17 【落地实践】构建仿京东外卖客服知识库检索实现
• 8-18 【落地实践】构建仿京东外卖客服RAG检索+大模型功能实现
• 8-19 【画图剖析】用一张图看看仿京东外卖客服底层到底做了那些事情？
• 8-2 【核心知识】大模型向量搜索相关概念
• 8-3 【RAG流程】画图理解RAG建立索引过程和检索过程
• 8-4 【核心知识】RAG加载document数据源
• 8-5 【核心知识】RAG常见文档加载API使用
• 8-6 【核心知识】RAG文档解析器使用和常见功能
• 8-7 【核心知识】文档分割器的常见功能
• 8-8 【核心知识】RAG向量转换和向量存储
• 8-9 【核心源码】RAG建立索引核心源码流程剖析
• 第9章 案例实战：AI招领助手开发V2
• 9-1 【核心开发】开发失物招领索引建立和查询功能
• 9-2 【架构设计】失物招领助手查询失物功能设计
• 9-3 【阶段测试】测试索引建立和索引查询功能
• 9-4 【核心开发】开发失物查询RAG整合大模型定义AiService
• 9-5 【核心开发】开发失物查询RAG整合大模型定义Tools+提示词功能
• 9-6 【核心开发】开发失物查询业务代码层实现
• 9-7 【阶段测试】测试失物查询RAG+大模型功能实现
• 第10章 万物互联：MCP智能宇宙启航
• 10-1 【核心原理】什么是MCP？
• 10-2 【核心原理】为什么需要MCP？
• 10-3 【核心原理】用一张图了解一下MCP协议
• 10-4 【核心开发】大模型如何连接万物MCP服务
• 10-5 【案例实战】langchain4j如何接入百度地图Mcp Server
• 10-6 【流程梳理】用一张图深入了解对接Mcp Server背后的事情
• 10-7 【源码剖析】studio协议百度地图脚本源码探索