#9527

Java转AI高薪之路：从零实战生产级AI Agent开发全攻略

课程目录

• │
• ├─第1章 开课准备
• │ 1-1 课程导学.mp4
• │
• ├─第2章 技术选型与架构筑基：为什么是Spring AI Alibaba Graph？
• │ 2-1 AI工作流开发的“三条道路”.mp4
• │ 2-2 认识主流低代码平台Dify与Coze.mp4
• │ 2-3 低代码平台遍地，为何还要从零造轮子？.mp4
• │ 2-4 从“工具使用者”到“架构创造者”.mp4
• │ 2-5 为什么Spring AI Alibaba Graph是Java生态的“终极答案”？.mp4
• │ 2-6 自研工作流Agent开发框架.mp4
• │
• ├─第3章 Spring AI Alibaba Graph框架核心精讲
• │ 3-1 什么是Graph？为什么它是AI工作流的终极解决方案？.mp4
• │ 3-2 Graph核心三要素深度解析.mp4
• │ 3-3 代码环境搭建.mp4
• │ 3-4 配置大模型参数与定义节点、边.mp4
• │ 3-5 节点与边定义及实操演示.mp4
• │
• ├─第4章 库存调拨Agent_ 架构思路与工程环境搭建
• │ 4-1 从痛点出发的架构思维.mp4
• │ 4-2 企业级项目标准化搭建.mp4
• │ 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.mp4
• │ 4-4 数据建模：核心数据库实体设计.mp4
• │ 4-5 使用代码生成器进行通用业务组件开发.mp4
• │ 4-6 Agent全链路流程设计.mp4
• │
• ├─第5章 库存调拨Agent_ 核心节点开发与链路测试
• │ 5-1 全局状态机定义与声明.mp4
• │ 5-2 构建商品实时数据流.mp4
• │ 5-3 接入状态机并执行节点测试.mp4
• │ 5-4 构建库存实时数据流，为AI决策引擎提供精准弹药.mp4
• │ 5-5 完善库存实时数据流并执行节点测试.mp4
• │ 5-6 预测引擎开发：接入AI大模型实现调拨建议生成.mp4
• │ 5-7 面试加分项：如何让大模型更好的理解你的意图.mp4
• │ 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.mp4
• │ 5-9 提取大模型内容转JSON,实现数据的结构化.mp4
• │ 5-10 JSON数据返回与节点测试实操.mp4
• │ 5-11 邮件通知的依赖集成与服务配置.mp4
• │ 5-12 邮件推送接口代码实现.mp4
• │ 5-13 构建邮件推送节点并执行节点测试.mp4
• │ 5-14 库存调拨保存接口的业务逻辑实现.mp4
• │ 5-15 MapStruct实现POJO转换.mp4
• │ 5-16 状态机 JSON 数据解析与入库节点开发.mp4
• │
• ├─第6章 库存调拨Agent：风险控制方案落地实现
• │ 6-1 什么是人机协同？为什么要进行人机协同？.mp4
• │ 6-2 Graph 配置适配人机协同节点.mp4
• │ 6-3 对话隔离落地：RunableConfig 的 threadId 配置开发.mp4
• │ 6-4 人类审核→对话召回→工作流激活：全链路落地.mp4
• │ 6-5 人机协同流程总结与梳理.mp4
• │ 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.mp4
• │
• ├─第7章 库存调拨Agent：可靠性方案落地实现
• │ 7-1 什么是检查点？.mp4
• │ 7-2 集成Redis Stack+Graph 配置改造实现工作流状态 Redis 持久化.mp4
• │ 7-3 测试：Agent 工作流链路全测.mp4
• │ 7-4 如何更好的让用户或者领导看到你的流程设计？.mp4
• │ 7-5 集成PlantUML，一键生成专业架构图，让设计清晰可见.mp4
• │
• ├─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？.mp4
• │ 8-2 项目改造：单体项目改造为微服务项目.mp4
• │ 8-3 使用docker启动nacos服务.mp4
• │ 8-4 使用nacos作为配置中心以及新规范配置.mp4
• │ 8-5 消息中间件Kafka引入及接口改造.mp4
• │ 8-6 Agent触发接口改造.mp4
• │ 8-7 Kafka生产与消费全链路打通.mp4
• │ 8-8 如何保证Kafka消息不丢失_.mp4
• │ 8-9 如何保证Kafka消息不积压1.mp4
• │ 8-10 如何保证Kafka消息不积压2.mp4
• │ 8-11 消费端重复消费的幂等处理.mp4
• │ 8-12 成果验收：业务层开发与全流程联调测试.mp4
• │
• ├─第9章 BI报表问答Agent：RAG技术与向量库整合
• │ 9-1 架构设计：从痛点出发的架构思维.mp4
• │ 9-2 RAG技术深度解析.mp4
• │ 9-3 工程初始化与环境搭建.mp4
• │ 9-4 集成Tika文档读取器实现文档读取.mp4
• │ 9-5 文本向量大模型介绍以及整合智源向量大模型.mp4
• │ 9-6 使用Redis作为向量数据库以及问题引出.mp4
• │ 9-7 踩坑预警！默认文本分割方案的核心问题.mp4
• │ 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.mp4
• │ 9-9 扩展：使用DockerFile启动Milvus+客户化UI界面.mp4
• │ 9-10 扩展：项目集成Milvus作为向量数据库.mp4
• │ 9-11 智能BI报表问答系统Graph工作流设计.mp4
• │ 9-12 数据准备：前置数据库脚本执行.mp4
• │ 9-13 明确目标：核心节点开发逻辑梳理.mp4
• │ 9-14 AI Agent 提示词：教你编写高效果优质 Prompt.mp4
• │ 9-15 RAG 召回 + 大模型内容生成落地.mp4
• │ 9-16 RAG检索过程源码解析.mp4
• │ 9-17 如何让AI更好的理解用户不准确的表述？.mp4
• │ 9-18 面试加分项：多种Prompt优化技术提高召回率.mp4
• │
• ├─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？.mp4
• │ 10-2 面试加分项：使用Prompt优化来增加安全性.mp4
• │ 10-3 引入jdbcTemplate作为SQL执行层.mp4
• │ 10-4 验证：如何使用jdbcTemplate进一步提升安全性.mp4
• │ 10-5 自动化报表生成引擎开发.mp4
• │ 10-6 引入邮件发送服务以及邮件发送接口开发.mp4
• │ 10-7 完善邮件发送接口业务开发.mp4
• │ 10-8 Agent测试以及问题点引出.mp4
• │ 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.mp4
• │
• ├─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？.mp4
• │ 11-2 增加评估节点提升SQL准确性.mp4
• │ 11-3 评估节点系统提示词编写.mp4
• 温馨提示：由于部分资源中不可避免的存在一些敏感关键词，如果购买后提示网盘资源链接失效，或者提示此类资源无法分享的情况，您无需担心，只需要联客服联系为您补发资源即可，客服QQ: 502212423,或者微信：jamisoncnwd，邮箱：502212423@qq.com
  声明：本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理，邮箱：502212423@qq.com。