getfromcode

2026年大模型应用开发实战:Agent+MCP+RAG+Skill+SpringAI深度解析

AI
课程简介

这份资料的定位很明确:它不是讲大模型原理的科普课,而是一套围绕 Java 生态做智能体应用落地的工程课。主题集中在四块技术拼图上——Agent(智能体)、MCP(模型上下文协议)、RAG(检索增强生成)、Skill(技能封装),并且用 SpringAI 作为统一的运行时框架把这几块串起来。对于长期写 Java、Spring 那一套的开发者来说,这份资料的价…

已有 9 人浏览 发布 2026-09-21 更新 2026-10-06

这份资料的定位很明确:它不是讲大模型原理的科普课,而是一套围绕 Java 生态做智能体应用落地的工程课。主题集中在四块技术拼图上——Agent(智能体)、MCP(模型上下文协议)、RAG(检索增强生成)、Skill(技能封装),并且用 SpringAI 作为统一的运行时框架把这几块串起来。对于长期写 Java、Spring 那一套的开发者来说,这份资料的价值在于,它把「大模型能做什么」翻译成了「在 Spring 工程里怎么写代码、怎么分层、怎么启动」。

这门课实际要解决的是什么问题

大部分做大模型应用的人会卡在同一个地方:能跑通一个调用 OpenAI 接口的 demo,但一放到真实项目里就散架。Prompt 拼得乱七八糟、上下文越塞越长、模型返回的结果解析不了、多轮对话没有记忆、要用工具能力时只能手写一堆 if-else。这份资料要解决的正是这类「从 demo 到可维护工程」的断档问题。它把提示词工程、Agent 架构、工具调用、检索这几件事拆成独立的模块分别讲,再在最后的项目实战里重新组装回去,让你看到各部分在真实业务里是怎么咬合的。

另一个被明确处理的问题是上下文与成本控制。资料里专门讲了 Skill 的「渐进式披露」思路,也就是不要让模型一次性吃掉所有工具和技能的完整描述,而是按需逐步暴露。这种设计在 Agent 场景下非常关键,因为工具一多,光描述本身就能撑爆上下文窗口。这类细节是纯看 API 文档学不到的,属于工程实践里踩过坑才会总结出来的模式。整体看,它关心的不是模型本身多强,而是你怎么把模型的能力约束在一个可控、可调试、可扩展的工程结构里。

需要什么基础再进来

比较合适的前提是:你能写 Java,熟悉 Spring Boot 的注解风格、依赖注入、配置管理,知道一个 Web 应用怎么分层。因为资料里 Agent、Skill、ChatClient 的接入都是围绕 SpringAI 展开的,如果对 Spring 的套路不熟,看代码时会分不清哪些是框架约定、哪些是业务逻辑。至于大模型本身,不需要你有训练或微调的背景,只要理解「给模型一段输入、它返回一段输出」这个基本模型即可,提示词相关的内容会从头讲起。

反过来,如果完全没有后端工程经验,直接上手会很吃力,因为大量篇幅是在讲代码结构和运行机制,而不是界面操作。另外要有一点耐心去读源码,资料里包含手搓 Agent 的实战部分,比如手写非流式的 ReactAgent、手写 ReflectionAgent、手写 Human in the Loop,这些内容必须跟着代码走一遍才有意义,光看视频讲解很难内化。适合的人群大致是:后端开发想切入大模型应用方向的、正在做企业级 AI 功能但缺工程范式的、以及想把已有 Spring 项目接入模型能力的开发者。

建议先看哪几块

推荐从「代码介绍与应用启动」这一块切入,先搞清楚目录结构和应用怎么跑起来,再动手改代码。很多人的问题是从中间开始看,结果连项目怎么启动、配置写在哪都不知道,后面全是空中楼阁。启动跑通之后,进入提示词工程部分,把结构化 Prompt 框架和 Prompt 设计方法过一遍,这部分是你后面写所有 Agent 的基础,Prompt 写不好,Agent 的工具调用和输出解析都会跟着崩。

接着重点看 Agent 这一块,从「什么是 AI Agent」开始,理解它的基本循环,然后跟着手搓 ReactAgent 和 ReflectionAgent 的实战把机制吃透,再看记忆持久化和多智能体架构。Skill 部分建议放在 Agent 之后看,因为 Skill 本质上是给 Agent 提供的一层能力封装,先理解 Agent 怎么调工具,再理解 Skill 怎么组织工具,顺序会顺很多。MCP 和 RAG 可以按项目需要穿插,MCP 关注的是模型与外部能力的标准化连接,RAG 关注的是私有知识怎么进到上下文里。最后再回到项目实战,用整体架构那几节把前面所有零件对上号。

学完之后能独立做什么

完成这套内容后,比较现实的产出是:你能独立设计并实现一个带工具调用能力的 Spring 后端服务,模型可以在多轮对话中维护记忆、按需调用你注册的工具、把结果结构化返回给前端。你能自己写一个 Skill 并把它接入到 Agent 或 ChatClient 中,理解技能描述的暴露策略和上下文占用之间的关系。你也能搭一条最小可用的 RAG 链路,把内部文档或数据接入进来,让模型基于检索结果回答,而不是凭记忆瞎编。

再往上,你可以触碰多智能体协作和 Human in the Loop 这类模式,知道在什么场景下该让多个 Agent 分工、什么环节该插入人工确认。这些能力组合起来,对应的是一个能实际交付的 AI 应用后端,而不只是一个演示。对求职或做内部项目来说,这种「能跑起来、能调试、能扩展」的工程能力,比会背几个名词重要得多。

资料怎么配合练习

最有效的方式是边看边改。先按课程把应用跑起来,然后挑一个模块动手改造,比如换掉默认的 Prompt 模板,观察输出怎么变;给 Agent 加一个新的工具,看它什么时候会触发调用;把 Skill 的描述改长改短,感受上下文压力的变化。手搓 Agent 那几节一定要自己敲一遍,哪怕照着写,过程中对循环、状态、终止条件的理解会完全不一样。项目实战部分不要只看架构讲解,把对话、流式输出、任务管理这几块拆开单独跑,再合起来看整体。

另外建议给自己设一个小目标作为练习抓手,比如做一个能查公司内部文档并回答问题的助手,或者做一个能调用几个业务接口完成多步操作的 Agent。以这个目标为主线去资料里找对应的模块,比按顺序刷完更有效,也更容易发现自己在哪一环理解不到位。遇到看不懂的框架行为,直接翻 SpringAI 的源码和官方文档交叉验证,把课程当索引而不是唯一答案,这样学到的东西才留得下来。

课程目录

11.Skill9 集
  • 更多资源分享.txt [64.0 B]
  • 132. 简历评估Skills讲解.mp4 [19.3 MB]
  • 129. 一些好用的Skills推荐.mp4 [18.4 MB]
  • 131. 实战:开发一个简历评估的Skill.mp4 [60.7 MB]
  • 127. 什么是Agent Skills,为什么需要他?.mp4 [37.4 MB]
  • 133. SpringAI中如何使用Skill?(Agent).mp4 [102.6 MB]
  • 130. Claude Code中如何使用Skills.mp4 [63.7 MB]
  • 128. Skill的渐进式披露.mp4 [10.0 MB]
  • 134. SpringAI中如何使用Skill?(ChatClient).mp4 [83.7 MB]
3.提示词工程5 集
  • 更多资源分享.txt [64.0 B]
  • 18. 结构化Prompt框架.mp4 [30.8 MB]
  • 19. Prompt璇勬祴鏂规硶.mp4 [23.4 MB]
  • 17. 高阶Prompt优化方法.mp4 [29.6 MB]
  • 20. nof1提示词工程案例.mp4 [32.7 MB]
1.代码介绍&应用启动5 集
  • 更多资源分享.txt [64.0 B]
  • 01.课程介绍+如何答疑.mp4 [33.4 MB]
  • 04.代码目录结构&应用如何启动.mp4 [20.8 MB]
  • 02.【重要】课程设计说明.mp4 [29.7 MB]
  • 03.重要说明+如何下载代码.mp4 [17.8 MB]
12.项目实战5 集
  • 更多资源分享.txt [64.0 B]
  • 137. 智能对话:从需求分析到技术落地.mp4 [90.6 MB]
  • 136. 项目运行说明.mp4 [20.3 MB]
  • 138. 流式控制与任务管理.mp4 [33.5 MB]
  • 135. 整体架构与功能点介绍.mp4 [59.3 MB]
9.Agent20 集
  • 更多资源分享.txt [64.0 B]
  • 115. Spring AI Alibaba中的多智能体支持.mp4 [41.5 MB]
  • 108. 如何给Agent增加持久化记忆.mp4 [114.2 MB]
  • 122. 实战四:手搓Human in the Loop.mp4 [43.8 MB]
  • 120. 实战二:手搓ReflectionAgent.mp4 [38.8 MB]
  • 117. 实战一:手搓ReactAgent(非流式).mp4 [45.6 MB]
  • 113. Agent常用架构:Multi Agent.mp4 [45.6 MB]
  • 114. 使用AutoGen 构建一个代码生成器.mp4 [46.3 MB]
  • 111. Agent常用架构:Reflection Agent.mp4 [15.7 MB]
  • 116. 多智能体协议——A2A.mp4 [22.2 MB]
  • 104.Agent常用架构:ReAct Agent.mp4 [54.9 MB]
  • 109. 深入理解 Alibaba-React Agent 原理.mp4 [77.5 MB]
  • 105.React Agent的实现方式?.mp4 [79.9 MB]
  • 121. 实战三:手搓PlanExecuteAgent.mp4 [71.0 MB]
  • 119. 实战一(后续):ReactAgent流式输出有问题?.mp4 [23.8 MB]
  • 112. Agent常用架构:Human in the Loop.mp4 [84.9 MB]
  • 118. 实战一:手搓ReactAgent(流式).mp4 [50.3 MB]
  • 107. Alibaba-React Agent 鏍稿績缁勪欢.mp4 [40.7 MB]
  • 110. Agent常用架构:Plan and Execute Agent.mp4 [15.3 MB]
  • 103. 常用的Agent开发框架.mp4 [10.9 MB]
代码2 条
  • 更多资源分享.txt [64.0 B]
  • LLMentor代码.zip [781.7 KB]
4.SpringAl15 集
  • 29. Spring AI 核心特性:流式输出.mp4 [28.8 MB]
  • 23. 基于SSE实现大模型流式输出.mp4 [71.2 MB]
  • 31. Spring AI 核心特性:结构化输出(上).mp4 [107.8 MB]
  • 27. 开发必备的Spring AI核心概念(下).mp4 [56.2 MB]
  • 34. Spring AI 核心特性:对话记忆.mp4 [145.6 MB]
  • 35. Spring AI 记忆管理技术:持久化记忆.mp4 [71.5 MB]
  • 33.Spring AI 核心特性:结构化输出(下) 2026-02-11 1168 次学习.mp4 [14.6 MB]
  • 36. Spring AI 鏍稿績鐗规€э細Advisor.mp4 [60.0 MB]
  • 28. Spring AI 核心特性:提示词工程.mp4 [50.7 MB]
  • 30. Spring AI 核心特性:提示词模板管理.mp4 [52.8 MB]
  • 32.Spring AI 核心特性:结构化输出(中).mp4 [55.8 MB]
  • 26. 开发必备的Spring AI核心概念(上).mp4 [79.5 MB]
  • 24. LLM应用开发框架:LangChain.mp4 [25.8 MB]
  • 22. Java中大模型调用的多种方式.mp4 [59.4 MB]
  • 37. Spring AI 核心特性:调用本地模型.mp4 [58.7 MB]
10.上下文工程4 集
  • 125. 什么是上下文工程?.mp4 [22.3 MB]
  • 124. 上下文太长会带来什么问题?.mp4 [26.2 MB]
  • 123. 什么是Context,和Memory、Prompt、Token之间的区别?.mp4 [12.1 MB]
  • 126. 实战:Manus的上下文工程实践.mp4 [47.5 MB]
2.大模型应用开发概述8 集
  • 08. 大模型的工作原理.mp4 [34.1 MB]
  • 13.大模型的局限性以及常见解决方案.mp4 [28.3 MB]
  • 11.百炼介绍与基本使用.mp4 [24.7 MB]
  • 06.行业趋势与岗位需求分析.mp4 [41.5 MB]
  • 09.Java 在大模型应用开发中的优势.mp4 [8.5 MB]
  • 10.大模型应用开发常用的平台.mp4 [27.8 MB]
  • 12.基于Ollama部署本地模型.mp4 [30.8 MB]
  • 07. 什么是大模型.mp4 [17.4 MB]
5.LangChain4J4 集
  • 41. @AiService实现原理.mp4 [45.6 MB]
  • 39. LangChain4J低层次API使用.mp4 [45.0 MB]
  • 40. LangChain4j高层次API使用.mp4 [33.2 MB]
  • 42. LangChain4j中实现持久化记忆.mp4 [23.7 MB]
6.Function Call4 集
  • 46. 使用Spring AI做Function Call.mp4 [10.2 MB]
  • 45. 如何定义一个好的Function.mp4 [7.2 MB]
  • 47. Spring AI中的Tool Calling怎么实现的.mp4 [25.1 MB]
  • 48. 实战:仿PDD自动帮买家申请退款.mp4 [85.7 MB]
8.RAG33 集
  • 81. RAG优化技术:元数据过滤.mp4 [70.7 MB]
  • 73. 自定义支持父子分片的基于标题的分片器.mp4 [154.1 MB]
  • 75. 锛堥€夊锛塒ostgresMlEmbeddingModel.mp4 [18.6 MB]
  • 78. 索引构建流程(ETL)总结与查缺补漏.mp4 [19.6 MB]
  • 71. 常见文档分片方式.mp4 [48.9 MB]
  • 72.Java中如何实现文档分片.mp4 [164.9 MB]
  • 101. 实战:多模态RAG智能问答系统(下).mp4 [57.5 MB]
  • 97. 澶氭ā鎬丷AG.mp4 [29.5 MB]
  • 89. RAG优化技术:混合检索(下).mp4 [96.1 MB]
  • 90. RAG优化技术:重排序.mp4 [113.8 MB]
  • 83. RAG优化技术:查询路由.mp4 [34.3 MB]
  • 100. 实战:多模态RAG智能问答系统(中).mp4 [171.3 MB]
  • 99.实战:多模态RAG智能问答系统(上).mp4 [82.0 MB]
  • 82. RAG优化技术:问题改写.mp4 [81.6 MB]
  • 86. RAG浼樺寲鎶€鏈細HyDE.mp4 [8.5 MB]
  • 76. 向量数据库如何选型?.mp4 [23.9 MB]
  • 68. 文档预处理(上).mp4 [36.3 MB]
  • 98. 多模态RAG——对接多模态模型做图像识别.mp4 [71.2 MB]
  • 80. Spring AI 和 LangChain4J中文档处理功能对比.mp4 [18.7 MB]
  • 74. 向量模型&向量数据库&向量存储.mp4 [139.2 MB]
  • 85. RAG优化技术:问题澄清.mp4 [10.7 MB]
  • 96. Spring AI 和 LangChain4J的模块化RAG功能对比.mp4 [18.0 MB]
  • 65.深入理解RAG技术原理——检索生成.mp4 [20.3 MB]
  • 66. 使用 LlamaIndex 构建一个简单的RAG系统.mp4 [41.2 MB]
  • 79. 检索增强生成.mp4 [212.4 MB]
  • 87. RAG优化技术:混合检索(上).mp4 [48.3 MB]
  • 64. 深入理解RAG技术原理——索引构建.mp4 [39.9 MB]
  • 69. 文档预处理(中).mp4 [91.2 MB]
  • 88. RAG优化技术:混合检索(中).mp4 [63.4 MB]
  • 84. RAG优化技术:查询构造.mp4 [23.9 MB]
  • 95. 基于LangChain4J实现简单的RAG检索.mp4 [84.9 MB]
  • 70. 文档预处理(下).mp4 [73.8 MB]
  • 77. (选学)如何使用离线向量模型.mp4 [8.2 MB]
7.MCP12 集
  • 60. 如何跳过MCP的模型总结.mp4 [62.2 MB]
  • 59. MCP璋冭瘯宸ュ叿.mp4 [16.7 MB]
  • 58. 绁炲鐨刢ontext-path.mp4 [45.4 MB]
  • 52. 使用Spring AI开发MCP Server.mp4 [44.4 MB]
  • 62. MCP与其他协议的区别.mp4 [8.3 MB]
  • 56. 将MCP改造为HTTPS.mp4 [12.4 MB]
  • 57. MCP如何实现认证鉴权.mp4 [12.5 MB]
  • 55. SSE MCP Server如何实现重连.mp4 [45.1 MB]
  • 54. Spring AI MCP调用实现原理.mp4 [27.7 MB]
  • 50. 深入理解MCP技术原理.mp4 [27.4 MB]
  • 61. 如何实现MCP工具过滤.mp4 [37.4 MB]
  • 53. 使用Spring AI开发MCP Client.mp4 [23.4 MB]
课程购买
课程价格
金币29.9
299金币限时优惠会员免费
销量:0
💎 开通会员每日免费下载,比单买更划算 →
支付成功后会自动显示下载资源云盘的链接!点击链接即可下载到本地。