正版资源Java大模型工程能力必修课，LangChain4j入门到实践
一、这门资料解决什么问题 很多 Java 开发者已经能够调用大模型接口，但一旦需求变成连续对话、企业文档问答或自动拆解任务，单次请求加一段提示词的写法很快就会失去控制。上下文如何保存，历史消息如何隔离，外部文档怎样转成模型可以检索的知识，检索结果怎样参与回答，代理又怎样决定下一步动作，这些问题都涉及
支付成功后自动发货，可在「我的订单」查看网盘链接；链接失效可联系客服免费补链。
一、这门资料解决什么问题
很多 Java 开发者已经能够调用大模型接口，但一旦需求变成连续对话、企业文档问答或自动拆解任务，单次请求加一段提示词的写法很快就会失去控制。上下文如何保存，历史消息如何隔离，外部文档怎样转成模型可以检索的知识，检索结果怎样参与回答，代理又怎样决定下一步动作，这些问题都涉及应用结构，而不只是接口调用。
这套资料围绕 LangChain4j 在 Java 项目中的实际使用展开，重点放在大模型应用的编排方式。内容涉及基础调用、对话记忆、向量知识库和智能代理等方向，并把文档加载、解析、分割这类容易被忽略的前置环节纳入实践。它适合用来理解一条完整的数据流：用户问题进入应用后，系统如何组织提示、读取历史、检索知识，再把结果交给模型生成响应。
二、适合什么基础，以及应该怎样读项目
这门资料更适合已经掌握 Java 基础语法、面向对象、集合与异常处理，并接触过后端接口或服务端开发的人。能够看懂配置、请求参数、对象封装和基本的业务调用，就可以跟着示例建立理解。不要求先掌握复杂的机器学习推导，但需要知道模型调用本质上是一次带有上下文的服务交互，也要愿意动手运行和修改示例。
阅读源码时，不要只盯着某个调用方法或某段提示词。可以先定位应用入口和配置，再观察模型调用、会话记忆、文档处理、向量检索、代理执行之间的职责边界。即使示例规模不大，也应该问清楚每个对象负责什么、数据从哪里来、状态保存在哪里、哪些部分可以替换。这样读出来的不是一次性的演示代码，而是一套可以迁移到其他 Java 后端项目的组织方式。
三、建议先看哪几块
建议先从 LangChain4j 的基础使用和最小对话流程开始，先确认模型调用、提示组织以及响应返回的基本链路。接着看对话记忆，理解历史消息为什么不能简单地堆在字符串里，以及多轮会话中如何区分不同用户或不同会话。基础链路稳定后，再进入向量知识库部分，会更容易看懂文档从原始内容变成可检索信息的过程。
- 先看基础调用，建立模型、提示和响应之间的关系。
- 再看对话记忆，关注上下文保存、读取和会话隔离。
- 随后看文档加载、解析与分割，理解知识进入检索流程前需要经过哪些处理。
- 再看向量知识库与检索回答，观察外部资料怎样补充模型原有知识。
- 最后看智能代理，理解代理如何组织步骤，并把前面学到的能力组合起来。
如果时间有限，不建议一开始就跳到智能代理。代理示例通常同时包含模型调用、上下文管理和任务编排，基础概念不清楚时容易只记住表面流程。已有后端经验的人可以快速浏览基础部分，但仍应回头确认记忆和文档处理的生命周期，因为这些内容直接影响后续的稳定性、可测试性和扩展成本。
四、学完后能独立做什么
完成学习并自行复现后，可以独立搭建一个 Java 大模型应用的基础骨架，例如面向内部资料的问答服务、带历史上下文的咨询接口、产品文档辅助查询工具，或能够根据用户意图执行多个步骤的任务助手。重点不在于照搬某个演示，而在于能够根据自己的数据来源重新组织提示、会话、检索和响应流程。
在向量知识库方向，可以从一批实际文档开始，完成加载、解析、分割、建立向量信息和检索回答的闭环，并针对回答是否引用了正确内容进行检查。在记忆方向，可以实现多轮交流，同时避免不同会话之间互相污染。在代理方向，则可以先从有限、边界清晰的任务开始，观察代理如何根据输入安排步骤，再逐步补充失败处理和结果校验。
更重要的是，学习后应当能分辨哪些代码属于通用能力，哪些代码只是当前示例的数据和业务。模型接入、记忆管理、文档处理和知识检索可以分别理解，也可以组合成不同应用。掌握这种拆分方式后，换一批资料、调整回答场景，或者把能力接入已有 Java 服务时，就不必重新从零拼接。
五、资料怎么配合练习
这份资料更适合边看边运行，而不是连续看完后凭印象回忆。每学习一个主题，先让示例按照原始方式工作，再暂停下来记录输入、输出、状态和依赖关系，然后主动改动一个变量进行验证。例如修改用户问题、替换一段文档、增加一轮追问，观察结果变化，再回到源码确认是哪一层产生了影响。
- 基础阶段：先复现最小对话流程，记录模型输入和返回结果，确认配置与调用边界。
- 记忆阶段：连续提出有关联的问题，再开启另一组会话，检查历史是否被正确隔离。
- 知识库阶段：准备主题相近但内容不同的文档，测试文档分割和检索结果是否准确。
- 代理阶段：给出需要分步骤处理的任务，记录每一步的输入、输出和异常情况。
- 整理阶段：把提示、配置、数据处理和业务入口分开记录，尝试将示例改造成自己的小项目。
练习时还应专门准备“资料中没有答案”的问题，观察系统是否会误答；准备跨会话问题，检查记忆是否串线；准备格式异常或内容较长的文档，验证解析与分割是否稳定。每完成一个模块，都可以写一份简短的结构说明，标出可复用部分和需要替换的业务部分。这样使用源码和教程，最终得到的是对工程流程的掌握，而不是只记住某个示例的操作顺序。
Java大模型工程能力必修课，LangChain4j入门到实践
LangChain4j实战，构建Java大模型应用
编辑点评
深入浅出LangChain4j，结合大模型实践，助力Java开发者掌握大模型工程能力。
⭐ 编辑推荐
本课程从LangChain4j入门到实践，涵盖向量知识库、智能代理、对话记忆等多个方面，让你轻松构建Java大模型应用。
✨ 课程亮点
课程目录
第8章 开天眼：向量知识库智能增强19 集
- 8-6 【核心知识】RAG文档解析器使用和常见功能.mp4 [26.3 MB]
- 8-5 【核心知识】RAG常见文档加载API使用【公众号：CunWorkNotes】.mp4 [21.8 MB]
- 8-7 【核心知识】文档分割器的常见功能【公众号：CunWorkNotes】.mp4 [27.6 MB]
- 8-14 【整合Pinecone】工程接入Pinecone向量存储.mp4 [33.9 MB]
- 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.mp4 [61.3 MB]
- 8-3 【RAG流程】画图理解RAG建立索引过程和检索过程.mp4 [37.6 MB]
- 8-17 【落地实践】构建仿京东外卖客服知识库检索实现.mp4 [34.8 MB]
- 8-13 【向量存储】Pinecone向量存储组件使用介绍.mp4 [41.4 MB]
- 8-11 【核心知识】大模型token相关概念.mp4 [40.2 MB]
- 8-2 【核心知识】大模型向量搜索相关概念.mp4 [39.2 MB]
- 8-9 【核心源码】RAG建立索引核心源码流程剖析.mp4 [48.5 MB]
- 8-10 【核心知识】RAG文档分割器使用.mp4 [22.4 MB]
- 8-8 【核心知识】RAG向量转换和向量存储.mp4 [48.8 MB]
- 8-4 【核心知识】RAG加载document数据源.mp4 [24.6 MB]
- 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？.mp4 [26.2 MB]
- 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.mp4 [68.8 MB]
- 8-1 【应用场景】RAG和微调大模型应用场景介绍.mp4 [54.9 MB]
- 8-12 【丰富模型】阿里百炼embedding向量模型接入.mp4 [39.5 MB]
- 8-16 【落地实践】构建仿京东外卖客服知识库建立索引到Pinecone.mp4 [35.0 MB]
第3章 解放生产力：AiService智能代理4 集
- 3-3 【精益求精】AiService如何优雅的进行创建.mp4 [26.4 MB]
- 3-1 【核心原理】AiService特性与知识要点讲解.mp4 [19.1 MB]
- 3-2 【小牛试刀】上手体验AiService基本玩法有哪些.mp4 [30.0 MB]
- 3-4 【消息类型】AiServices封装的消息类型有哪些.mp4 [25.9 MB]
第1章 大模型启蒙：AI世界观构建10 集
- 1-6 【生态图谱】大模型技术图谱：大模型模型微调场景流程.mp4 [24.4 MB]
- 1-8 【架构解密】Langchain4j架构解密：Langchain4j开发应用场景【公众号：CunWorkNotes】.mp4 [16.9 MB]
- 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）.mp4 [63.3 MB]
- 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.mp4 [45.5 MB]
- 1-1 学懂LangChain4j，构建你的Java大模型应用的核心能力.mp4 [92.2 MB]
- 1-7 【架构解密】Langchain4j架构解密：Java生态的AI开发新范式.mp4 [50.6 MB]
- 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.mp4 [50.1 MB]
- 1-3 【生态图谱】大模型技术图谱：大模型应用开发场景流程.mp4 [24.9 MB]
- 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）.mp4 [34.8 MB]
- 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.mp4 [25.7 MB]
第6章 超能扩展：Tools外部能力集成3 集
- 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.mp4 [83.3 MB]
- 6-2 【流程分析】画图剖析大模型与本地函数调用流程.mp4 [30.0 MB]
- 6-1 【上手体验】函数调用介绍&通过AiSerivce整合Tool函数调用.mp4 [63.6 MB]
第4章 记忆宫殿：ChatMemory对话记忆8 集
- 4-2 【核心组件】使用AiSerivce整合ChatMemory实现聊天记忆.mp4 [63.5 MB]
- 4-1 【上手体验】大模型聊天记忆简单实现【公众号：CunWorkNotes】.mp4 [64.6 MB]
- 4-8 【高阶特性】整合MySql存储介质数据格式.mp4 [9.4 MB]
- 4-3 【高阶特性】ChatMemory实现会话隔离机制.mp4 [40.7 MB]
- 4-7 【高阶特性】ChatMemory自定义整合MySql存储介质.mp4 [66.1 MB]
- 4-6 【高阶特性】ChatMemory如何平滑的切换存储介质.mp4 [21.5 MB]
- 4-4 【源码剖析】知其然之所以然：ChatMemory源码深度解析.mp4 [32.0 MB]
- 4-5 【存储选择】ChatMemory合理选择存储介质.mp4 [22.8 MB]
第2章 接入模型：LangChain4j接入生态实战10 集
- 2-2 【上手体验】Langchain4接入第一个大模型HelloWorld【公众号：CunWorkNotes】.mp4 [45.7 MB]
- 2-4 【丰富模型】Langchain4j支持哪些大模型接入.mp4 [29.1 MB]
- 2-9 【丰富模型】Langchain4j接入阿里百炼DeepSeek大模型.mp4 [18.0 MB]
- 2-10 【设计模式】使用工厂模式集成多模态大模型.mp4 [62.0 MB]
- 2-7 【丰富模型】Langchain4j接入阿里百炼大模型.mp4 [29.9 MB]
- 2-5 【丰富模型】Langchain4j整合DeepSeek大模型.mp4 [34.7 MB]
- 2-1 【环境准备】Springboot应用程序搭建指南.mp4 [22.7 MB]
- 2-8 【丰富模型】Langchain4j接入阿里千义万象大模型.mp4 [20.9 MB]
- 2-3 【模型框架整合】Langchain4j整合生态SpringBoot.mp4 [24.3 MB]
- 2-6 【模型介绍】阿里百炼大模型使用介绍.mp4 [46.4 MB]
第10章 万物互联：MCP智能宇宙启航7 集
- 10-2 【核心原理】为什么需要MCP？【公众号：CunWorkNotes】.mp4 [25.2 MB]
- 10-4 【核心开发】大模型如何连接万物MCP服务.mp4 [55.3 MB]
- 10-5 【案例实战】langchain4j如何接入百度地图Mcp Server.mp4 [113.6 MB]
- 10-7 【源码剖析】studio协议百度地图脚本源码探索.mp4 [22.6 MB]
- 10-6 【流程梳理】用一张图深入了解对接Mcp Server背后的事情.mp4 [27.4 MB]
- 10-3 【核心原理】用一张图了解一下MCP协议.mp4 [14.9 MB]
- 10-1 【核心原理】什么是MCP？.mp4 [27.9 MB]
第7章 案例实战：AI招领助手开发V123 集
- 7-22 【阶段测试】找到失物补充信息功能测试.mp4 [26.5 MB]
- 7-13 【核心开发】开发自定义会话聊天记忆Tool工具类.mp4 [69.7 MB]
- 7-1 【项目介绍】失物招领智能助手功能介绍.mp4 [37.9 MB]
- 7-21 【阶段测试】测试与优化找到失物登记相关功能点【公众号：CunWorkNotes】.mp4 [70.3 MB]
- 7-11 【阶段测试】失物登记持久化数据库测试.mp4 [27.6 MB]
- 7-3 【基础搭建】失物招领基础环境工程搭建.mp4 [73.3 MB]
- 7-9 【阶段测试】大模型失物登记功能测试.mp4 [18.7 MB]
- 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.mp4 [21.4 MB]
- 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.mp4 [29.5 MB]
- 7-23 【总结优化】阶段性总结&优化版本说明.mp4 [64.0 MB]
- 7-6 【阶段测试】失物招领用户意图阶段自测.mp4 [18.4 MB]
- 7-5 【核心开发】开发失物招领大模型用户意图功能.mp4 [87.2 MB]
- 7-2 【架构设计】失物招领智能助手架构设计.mp4 [43.8 MB]
- 7-16 【阶段测试】测试失物登记修改功能.mp4 [29.0 MB]
- 7-14 【阶段测试】测试自定义会话聊天记忆功能.mp4 [44.3 MB]
- 7-8 【引出问题】多个系统提示词共用AiService带来的问题.mp4 [33.4 MB]
- 7-15 【核心开发】开发失物登记修改功能.mp4 [54.0 MB]
- 7-19 【核心开发】开发找到失物登记大模型功能.mp4 [112.2 MB]
- 7-20 【核心开发】开发找到失物登记业务功能.mp4 [44.1 MB]
- 7-7 【核心开发】开发失物招领大模型失物登记功能.mp4 [60.3 MB]
- 7-12 【核心开发】开发失物招领会话记忆AOP切面功能.mp4 [83.8 MB]
- 7-10 【持久化数据】开发失物登记数据持久化数据库.mp4 [53.3 MB]
- 7-4 【基础测试】失物招领智能大模型基础环境测试.mp4 [34.8 MB]
第9章 案例实战：AI招领助手开发V27 集
- 9-7 【阶段测试】测试失物查询RAG+大模型功能实现【公众号：CunWorkNotes】.mp4 [19.2 MB]
- 9-2 【架构设计】失物招领助手查询失物功能设计【公众号：CunWorkNotes】.mp4 [10.5 MB]
- 9-3 【阶段测试】测试索引建立和索引查询功能.mp4 [39.9 MB]
- 9-6 【核心开发】开发失物查询业务代码层实现.mp4 [22.7 MB]
- 9-1 【核心开发】开发失物招领索引建立和查询功能.mp4 [99.3 MB]
- 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.mp4 [35.2 MB]
- 9-4 【核心开发】开发失物查询RAG整合大模型定义AiService.mp4 [46.9 MB]
第5章 咒语工程：提示词角色操纵术5 集
- 5-6 【扩展应用】自定义基础类型和自定义对象结构化输出.mp4 [57.3 MB]
- 5-2 【扩展应用】提示词日期应用与加载提示词方法.mp4 [26.7 MB]
- 5-8 【落地实践】基于提示词构建专业的法律咨询助手.mp4 [85.6 MB]
- 5-7 【扩展应用】自定义枚举类型和boolean类型结构化输出实践.mp4 [33.9 MB]
- 5-4 【核心应用】提示词多个参数使用方法.mp4 [17.7 MB]
适合人群
- Java开发者
- AI爱好者
- 大模型从业者
🎯 学习收获
- 掌握LangChain4j框架
- 构建Java大模型应用
- 提升大模型工程能力
🎉 祝您学习愉快！
