yiwangcc 
课程介绍
Java转 AI高薪领域必备-从0到1打通生产级AI Agent开发，经百课优（baikeu.com）精心整理发布。本课程通过手把手教学 “ Agent库存调拨优化系统”与“Agent BI 报表问答系统”两大智能体，帮你系统掌握Spring AI、Graph、LLM 等技术，并驾驭开发智能体全流程。同时学会将 AI 赋能原有系统业务，实现原有业务降本提效。最终实现不切换技术栈，低成本转入火爆的AI应用开发领域，快速构建 AI 时代的技术护城河，实现职业高薪突破。
学后收获：
系统掌握 Spring AI 和 Grap
提升从代码到架构设计思维
收获2个高含金量生产级项目
打造高可控深集成Agent系统
攻克数据安全、性能优化难关
助力从 AI 新手跨入熟手行列
课程资源目录
├── 第1章 开课准备/
│ └── [101M] 1-1课程导学
├── 第2章 技术选型与架构筑基：为什么是Spring AI Alibaba Graph？/
│ ├── [7.7M] 2-1开篇引言：AI工作流开发的“三条道路”
│ ├── [ 65M] 2-2知己知彼：认识主流低代码平台Dify与Coze
│ ├── [9.7M] 2-3灵魂拷问：低代码平台遍地，为何还要从零造轮子？
│ ├── [ 11M] 2-4职业升维：从“工具使用者”到“架构创造者”
│ ├── [6.7M] 2-5天作之合：为什么SpringAIAlibabaGraph是Java生态的“终极答案”？
│ └── [3.2M] 2-6第四条道路？–自研工作流Agent开发框架
├── 第3章 Spring AI Alibaba Graph框架核心精讲/
│ ├── [7.0M] 3-1什么是Graph？为什么它是AI工作流的终极解决方案？
│ ├── [ 36M] 3-2Graph核心三要素深度解析
│ ├── [ 97M] 3-3初体验：构建你的第一个智能工作流1
│ ├── [114M] 3-4初体验：构建你的第一个智能工作流2
│ └── [ 98M] 3-5初体验：构建你的第一个智能工作流3
├── 第4章 实战一：打造“会思考”的智能库存调拨优化系统（上）/
│ ├── [ 28M] 4-1业务蓝图设计：从痛点出发的架构思维
│ ├── [ 57M] 4-2工程奠基：企业级项目标准化搭建
│ ├── [ 85M] 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
│ ├── [ 93M] 4-4数据建模：核心实体设计
│ ├── [ 85M] 4-5使用代码生成器进行通用业务组件开发上
│ ├── [ 39M] 4-6绘制智能调拨的“执行图纸”：Graph工作流全链路设计
│ ├── [ 93M] 4-7商品数据采集节点：基于mybatis-plus实现实时数据流开发1
│ ├── [115M] 4-8商品数据采集节点：基于mybatis-plus实现实时数据流开发2
│ ├── [117M] 4-9商品数据采集节点：基于mybatis-plus实现实时数据流开发3
│ ├── [104M] 4-10库存调拨数据采集节点开发：构建实时数据流，为AI决策引擎提供精准弹药上
│ ├── [172M] 4-11库存调拨数据采集节点开发：构建实时数据流，为AI决策引擎提供精准弹药下
│ └── [152M] 4-12LLM预测引擎核心实现：从提示词工程到业务落地的调拨建议生成
├── 第5章 实战一：打造“会思考”的智能库存调拨优化系统（中）/
│ ├── [118M] 5-1对线面试官：使用提示词优化技术实现LLM输出准确性提升1
│ ├── [135M] 5-2对线面试官：使用提示词优化技术实现LLM输出准确性提升2
│ ├── [142M] 5-3数据提取节点实现：使用LLM实现从返回结果中精准提取结构化数据1
│ ├── [109M] 5-4数据提取节点实现：使用LLM实现从返回结果中精准提取结构化数据2
│ ├── [ 92M] 5-5消息推送节点开发：邮件通知的关键参数配置与模板设计1
│ ├── [116M] 5-6消息推送节点开发：邮件通知的关键参数配置与模板设计2
│ ├── [113M] 5-7消息推送节点开发：邮件通知的关键参数配置与模板设计3
│ ├── [ 82M] 5-8业务执行节点开发：自动生成调拨单的业务逻辑实现1
│ ├── [164M] 5-9业务执行节点开发：自动生成调拨单的业务逻辑实现2
│ ├── [ 83M] 5-10业务执行节点开发：自动生成调拨单的业务逻辑实现3
│ ├── [124M] 5-11经验分享：使用人机协同实现风险控制1
│ ├── [140M] 5-12经验分享：使用人机协同实现风险控制2
│ ├── [131M] 5-13经验分享：使用人机协同实现风险控制3
│ ├── [137M] 5-14经验分享：使用人机协同实现风险控制4
│ ├── [ 37M] 5-15经验分享：使用人机协同实现风险控制5
│ └── [106M] 5-161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
├── 第6章 实战一：打造“会思考”的智能库存调拨优化系统（下）/
│ ├── [ 47M] 6-1对线面试官：可靠性保证，使用Redis持久化实现让工作流中断后智能续期1
│ ├── [113M] 6-2对线面试官：可靠性保证，使用Redis持久化实现让工作流中断后智能续期2
│ ├── @百课优www.baikeu.com
│ ├── [151M] 6-3对线面试官：可靠性保证，使用Redis持久化实现让工作流中断后智能续期3
│ ├── [8.9M] 6-4问题点：如何更好的让用户或者领导看到你的流程设计？
│ ├── [137M] 6-5对线面试官：使用PlantUML一键生成专业架构图，让设计清晰可见
│ ├── [ 14M] 6-6问题点：你是如何应对高并发场景的？
│ ├── [ 97M] 6-7实现高并发业务-单体项目改造为微服务项目
│ ├── [ 83M] 6-8实现高并发业务-docker启动nacos
│ ├── [ 75M] 6-9实现高并发业务-使用nacos作为配置中心以及新规范配置
│ ├── [126M] 6-10实现高并发业务-引入kafka以及接口改造
│ ├── [142M] 6-11实现高并发业务-触发Agent接口改造
│ ├── [151M] 6-12使用中间件以及动态触发阈值实现高并发业务-kafka生产与消费全链路打通
│ ├── [160M] 6-13使用中间件以及动态触发阈值实现高并发业务-消息不丢失方案实现
│ └── [ 93M] 6-14使用中间件以及动态触发阈值实现高并发业务-消息积压方案实现
├── 第7章 实战二：告别SQL！构建你的“自然语言”BI系统引擎（上）/
│ ├── [ 18M] 7-1架构设计：从痛点出发的架构思维
│ ├── [ 25M] 7-2RAG技术深度解析
│ ├── [ 76M] 7-3环境搭建：工程初始化
│ ├── [ 83M] 7-4使用Tika文档读取器实现文档读取
│ ├── [116M] 7-5向量大模型介绍以及整合智源向量大模型
│ ├── [112M] 7-6使用Redis作为向量数据库以及问题引出
│ ├── [141M] 7-7经验分享：使用自定义的定制化分割器来提高召回准确度1
│ ├── [127M] 7-8经验分享：使用自定义的定制化分割器来提高召回准确度2
│ ├── [101M] 7-9扩展：集成Milvus作为向量数据库上
│ └── [ 92M] 7-10扩展：集成Milvus作为向量数据库下
├── 第8章 库存调拨Agent：高并发方案落地实现/
│ ├── [ 14M] 8-1问题点：你是如何应对高并发场景的？
│ ├── [ 97M] 8-2项目改造：单体项目改造为微服务项目
│ ├── [ 83M] 8-3使用docker启动nacos服务
│ ├── [ 75M] 8-4使用nacos作为配置中心以及新规范配置
│ ├── [126M] 8-5消息中间件Kafka引入及接口改造
│ ├── [142M] 8-6Agent触发接口改造
│ ├── [151M] 8-7Kafka生产与消费全链路打通
│ ├── [160M] 8-8如何保证Kafka消息不丢失&
│ ├── [ 93M] 8-9如何保证Kafka消息不积压1
│ ├── [ 90M] 8-10如何保证Kafka消息不积压2
│ ├── [218M] 8-11消费端重复消费的幂等处理
│ └── [107M] 8-12成果验收：业务层开发与全流程联调测试
├── 第9章 BI报表问答Agent：RAG技术与向量库整合/
│ ├── [ 18M] 9-1架构设计：从痛点出发的架构思维
│ ├── [ 25M] 9-2RAG技术深度解析
│ ├── [ 76M] 9-3工程初始化与环境搭建
│ ├── [ 83M] 9-4集成Tika文档读取器实现文档读取
│ ├── [116M] 9-5文本向量大模型介绍以及整合智源向量大模型
│ ├── [112M] 9-6使用Redis作为向量数据库以及问题引出
│ ├── [140M] 9-7踩坑预警！默认文本分割方案的核心问题
│ ├── [127M] 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
│ ├── [101M] 9-9扩展：使用DockerFile启动Milvus+客户化UI界面
│ ├── [ 92M] 9-10扩展：项目集成Milvus作为向量数据库
│ ├── [ 14M] 9-11智能BI报表问答系统Graph工作流设计
│ ├── [101M] 9-12数据准备：前置数据库脚本执行
│ ├── [ 72M] 9-13明确目标：核心节点开发逻辑梳理
│ ├── [ 88M] 9-14AIAgent提示词：教你编写高效果优质Prompt
│ ├── [130M] 9-15RAG召回+大模型内容生成落地
│ ├── [118M] 9-16RAG检索过程源码解析
│ ├── [ 12M] 9-17如何让AI更好的理解用户不准确的表述？
│ └── [111M] 9-18面试加分项：多种Prompt优化技术提高召回率
├── 第10章 BI报表问答Agent：SQL生成与报表生成引擎开发/
│ ├── [ 57M] 10-1问题点：Agent有什么安全隐患？
│ ├── [ 75M] 10-2面试加分项：使用Prompt优化来增加安全性
│ ├── [ 88M] 10-3引入jdbcTemplate作为SQL执行层
│ ├── [100M] 10-4验证：如何使用jdbcTemplate进一步提升安全性
│ ├── [124M] 10-5自动化报表生成引擎开发
│ ├── [ 73M] 10-6引入邮件发送服务以及邮件发送接口开发
│ ├── [112M] 10-7完善邮件发送接口业务开发
│ ├── [122M] 10-8Agent测试以及问题点引出
│ └── [ 79M] 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
├── 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/
│ ├── [2.3M] 11-1如何提高大模型生成的SQL的准确性？
│ ├── [ 64M] 11-2增加评估节点提升SQL准确性
│ ├── [ 84M] 11-3评估节点系统提示词编写
│ ├── [137M] 11-4评估节点初级版本代码实现
│ ├── [113M] 11-5测试：验证评估节点效果
│ ├── [ 13M] 11-6智能BI报表问答系统Graph工作流进阶版设计
│ ├── [122M] 11-7条件边实现
│ ├── [111M] 11-8面试加分项：三件套：评估-循环-微调，准确率拉满！
│ └── [ 83M] 11-9BI报表问答Agent总结梳理
├── 第12章 企业大模型私有化部署方案/
│ ├── [5.3M] 12-1常见的私有化大模型部署方案介绍
│ ├── [ 76M] 12-2常见的算力服务器介绍以及算力服务器购买
│ ├── [ 51M] 12-3AutoDL服务器操作+Ollama安装落地
│ ├── [ 96M] 12-4原有项目改造，适配Ollama私有化部署大模型
│ ├── [104M] 12-5vLLM运行环境安装
│ ├── [103M] 12-6通过魔搭社区下载安装开源Qwen大模型
│ └── [155M] 12-7原有项目改造，适配私有化部署Qwen大模型
├── 第13章 高薪简历指导与项目深度包装/
│ ├── [9.7M] 13-1亮点提炼：从技术到业务的包装逻辑
│ └── [ 29M] 13-2智能库存挑拨优化系统面试攻略
├── 第14章 自研工作流Agent开发框架补充/
│ ├── [ 76M] 14-1什么是LiteFlow
│ ├── [158M] 14-2LiteFlow组件讲解
│ ├── [133M] 14-3LiteFlow上下文讲解
│ ├── [ 89M] 14-4EL编排学习1
│ ├── [ 93M] 14-5EL编排学习2
│ ├── [102M] 14-6组件参数绑定与执行器
│ ├── [118M] 14-7前端编排UI搭建
│ ├── [ 64M] 14-8AIAgent文生图组件实现1
│ ├── [ 62M] 14-9AIAgent文生图组件实现2
│ ├── [201M] 14-10AIAgent文生图组件实现3
│ ├── [ 90M] 14-11AIAgent图片编辑组件编写1
│ ├── [157M] 14-12AIAgent图片编辑组件编写2
│ └── [208M] 14-13AIAgent图片编辑组件编写3
└── 第15章 课程回顾与展望/
└── [ 14M] 15-1课程总结回顾与展望
└── 资料/
1、本站信息来自网络，版权争议与本站无关
2、本站所有主题由该帖子作者发表，该帖子作者与本站享有帖子相关版权
3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意
4、本帖部分内容转载自其它媒体，但并不代表本站赞同其观点和对其真实性负责
5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。
6、您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。
7、请支持正版软件、得到更好的正版服务。
