正版资源 getfromcodeAI
Java转AI高薪领域必备：从零基础到生产级AI Agent开发
这门课解决的是哪类问题 面向 Java 背景的开发者，主题集中在「用 Java 技术栈把 AI Agent 做到能上生产」这件事上。它不是泛泛讲大模型原理的科普，也不是纯 Python 视角的 Agent 教程，而是围绕 Spring AI Alibaba Graph 这套框架，把工作流编排、Age
单课价¥29.90新品 上架
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。
正版保障 极速发货 售后无忧
这门课解决的是哪类问题
面向 Java 背景的开发者，主题集中在「用 Java 技术栈把 AI Agent 做到能上生产」这件事上。它不是泛泛讲大模型原理的科普，也不是纯 Python 视角的 Agent 教程，而是围绕 Spring AI Alibaba Graph 这套框架，把工作流编排、Agent 状态管理、工具调用、模型接入这些环节串成一条可落地的链路。对已经在写 Spring Boot、熟悉 Maven 依赖管理和 Bean 生命周期的人来说，切入成本比从 LangChain 生态重新学一套要低得多。
资料里包含架构选型的论证过程，也包含自研工作流 Agent 开发框架的部分。这类内容的价值在于：它给出的是一个取舍过程，而不是一个结论。你可以对照自己团队的技术栈判断——是直接用现成框架，还是在其上做二次封装。
技术栈的构成
核心线索是 Spring AI Alibaba Graph。这个组合值得关注的点在于，它把图结构的工作流编排引入到 Java 侧，让 Agent 的节点、边、条件分支可以用声明式的方式组织，而不是靠一堆 if-else 堆出流程。配套的还有大模型私有化部署的实战内容，这块对企业的意义大于对个人的意义——数据不出内网、推理成本可控、模型版本可锁定，这些是很多项目真正卡住的地方。
低代码平台的部分也出现在课程覆盖范围内。需要注意，低代码在这里不是指拖拽出一个玩具，而是指如何把 Agent 的编排能力抽象成配置层，让业务侧能改动流程而不用重编译。这是工程化的分水岭。
可以复用的模块
- Agent 工作流的节点定义与图编排结构，可直接映射到自己的业务链路。
- 工具（Tool/Function）注册与调用协议，用于把已有 Java 服务暴露给模型。
- 大模型私有化部署的配置与接入层，包含模型服务的对接方式。
- 自研框架部分的设计取舍，可作为架构评审时的参考样本。
这些模块的复用前提是你对 Spring 的依赖注入和配置管理有基本掌握。如果只是照抄代码而不理解装配关系，改一处会牵连一片。
建议的对照方式
不要顺着视频线性看完就结束。更有效的做法是：先看技术选型那一章，确认框架的边界在哪；然后挑一个自己业务里真实存在的流程，尝试用图结构重新描述它；遇到工具调用或状态传递的环节，再回到对应章节找实现细节。私有化部署部分建议单独拉出来，在自己机器上跑通一次最小链路，把模型服务、应用服务、调用方三者之间的关系理清楚。
Java 开发者转 AI 应用层，难点通常不在模型本身，而在如何把模型能力嵌进已有工程体系。这份资料的结构基本是围绕这个难点展开的，适合拿来对照实践，而不是当成视频合集刷完。
Java转AI高薪领域必备：从零基础到生产级AI Agent开发
从零基础到生产级AI Agent开发
编辑点评
深入浅出AI Agent开发，结合Java技术栈，覆盖架构设计、低代码平台、大模型私有化部署等多领域。
⭐ 编辑推荐
本课程专为Java开发者设计，助你轻松跨入AI高薪领域。从技术选型到生产级Agent开发，全方位掌握AI应用开发技能。
✨ 课程亮点
✦Java技术栈AI应用开发
✦Spring AI Alibaba Graph框架深度解析
✦大模型私有化部署实战
课程目录
第2章 技术选型与架构筑基：为什么是Spring AI Alibaba Graph？7 集
- 第2章 技术选型与架构筑基：为什么是Spring AI Alibaba Graph？说明.png [493.5 KB]
- 2-6 自研工作流Agent开发框架_ev.mp4 [3.3 MB]
- 2-4 从“工具使用者”到“架构创造者”_ev『』.mp4 [8.3 MB]
- 2-1 AI工作流开发的“三条道路”_ev.mp4 [4.4 MB]
- 2-2 认识主流低代码平台Dify与Coze_ev.mp4 [33.6 MB]
- 2-5 为什么Spring AI Alibaba Graph是Java生态的“终极答案”？_ev『』.mp4 [5.6 MB]
- 2-3 低代码平台遍地，为何还要从零造轮子？_ev.mp4 [8.4 MB]
第7章 库存调拨Agent：可靠性方案落地实现6 集
- 第7章 库存调拨Agent：可靠性方案落地实现文档.zip [1.8 MB]
- 7-4 如何更好的让用户或者领导看到你的流程设计？_ev.mp4 [5.1 MB]
- 7-3 测试：Agent 工作流链路全测_ev.mp4 [87.2 MB]
- 7-2 集成Redis Stack+Graph 配置改造实现工作流状态 Redis 持久化_ev.mp4 [50.7 MB]
- 7-1 什么是检查点？_ev.mp4 [19.7 MB]
- 7-5 集成PlantUML，一键生成专业架构图，让设计清晰可见_ev『』.mp4 [71.6 MB]
第1章 开课准备2 集
- 第1章 开课准备文档.zip [1.8 MB]
- 1-1 课程导学_ev.mp4 [39.9 MB]
第15章 课程回顾与展望2 集
- 第15章 课程回顾与展望资料.png [493.5 KB]
- 15-1 课程总结回顾与展望_ev.mp4 [10.6 MB]
第12章 企业大模型私有化部署方案7 集
- 12-2 常见的算力服务器介绍以及算力服务器购买_ev.mp4 [36.0 MB]
- 12-6 通过魔搭社区下载安装开源Qwen大模型_ev.mp4 [48.1 MB]
- 12-3 AutoDL 服务器操作 + Ollama 安装落地_ev[].mp4 [24.8 MB]
- 12-1 常见的私有化大模型部署方案介绍_ev.mp4 [3.6 MB]
- 12-4 原有项目改造，适配Ollama私有化部署大模型_ev.mp4 [47.6 MB]
- 12-7 原有项目改造，适配私有化部署Qwen大模型_ev.mp4 [81.4 MB]
- 12-5 vLLM运行环境安装_ev[].mp4 [49.4 MB]
第3章 Spring AI Alibaba Graph框架核心精讲5 集
- 3-5 节点与边定义及实操演示_ev.mp4 [43.5 MB]
- 3-1 什么是Graph？为什么它是AI工作流的终极解决方案？_ev[].mp4 [7.5 MB]
- 3-2 Graph核心三要素深度解析_ev[].mp4 [17.1 MB]
- 3-3 代码环境搭建_ev.mp4 [40.6 MB]
- 3-4 配置大模型参数与定义节点、边_ev.mp4 [51.7 MB]
第13章 高薪简历指导与项目深度包装3 集
- 第13章 高薪简历指导与项目深度包装资料.png [493.5 KB]
- 13-1 亮点提炼：从技术到业务的包装逻辑_ev.mp4 [5.3 MB]
- 13-2 智能库存挑拨优化系统面试攻略_ev.mp4 [15.3 MB]
第5章 库存调拨Agent_ 核心节点开发与链路测试16 集
- 5-12 邮件推送接口代码实现_ev】.mp4 [50.9 MB]
- 5-3 接入状态机并执行节点测试_ev.mp4 [54.3 MB]
- 5-7 面试加分项：如何让大模型更好的理解你的意图_ev.mp4 [57.6 MB]
- 5-11 邮件通知的依赖集成与服务配置_ev.mp4 [38.1 MB]
- 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_ev.mp4 [63.2 MB]
- 5-9 提取大模型内容转JSON,实现数据的结构化_ev】.mp4 [79.4 MB]
- 5-15 MapStruct实现POJO转换_ev[].mp4 [68.8 MB]
- 5-10 JSON数据返回与节点测试实操_ev.mp4 [60.3 MB]
- 5-13 构建邮件推送节点并执行节点测试_ev.mp4 [54.3 MB]
- 5-2 构建商品实时数据流_ev『』.mp4 [49.4 MB]
- 5-1 全局状态机定义与声明_ev.mp4 [41.5 MB]
- 5-4 构建库存实时数据流，为AI决策引擎提供精准弹药_ev[].mp4 [43.3 MB]
- 5-5 完善库存实时数据流并执行节点测试_ev.mp4 [76.4 MB]
- 5-6 预测引擎开发：接入AI大模型实现调拨建议生成_ev】.mp4 [68.3 MB]
- 5-14 库存调拨保存接口的业务逻辑实现_ev.mp4 [35.5 MB]
- 5-16 状态机 JSON 数据解析与入库节点开发_ev.mp4 [50.5 MB]
第10章 BI报表问答Agent：SQL生成与报表生成引擎开发9 集
- 10-1 问题点：Agent有什么安全隐患？_ev.mp4 [24.3 MB]
- 10-4 验证：如何使用jdbcTemplate进一步提升安全性_ev.mp4 [39.3 MB]
- 10-5 自动化报表生成引擎开发_ev.mp4 [53.5 MB]
- 10-6 引入邮件发送服务以及邮件发送接口开发_ev.mp4 [32.3 MB]
- 10-2 面试加分项：使用Prompt优化来增加安全性_ev.mp4 [26.9 MB]
- 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_ev.mp4 [29.2 MB]
- 10-3 引入jdbcTemplate作为SQL执行层_ev.mp4 [37.8 MB]
- 10-8 Agent测试以及问题点引出_ev.mp4 [53.9 MB]
- 10-7 完善邮件发送接口业务开发_ev.mp4 [48.5 MB]
第14章 自研工作流Agent开发框架补充14 集
- 第14章 自研工作流Agent开发框架补充资料.zip [1.8 MB]
- 14-10 AI Agent文生图组件实现3_ev.mp4 [75.3 MB]
- 14-2 LiteFlow组件讲解_ev.mp4 [67.9 MB]
- 14-9 AI Agent文生图组件实现2_ev.mp4 [27.5 MB]
- 14-4 EL编排学习1_ev.mp4 [35.7 MB]
- 14-5 EL编排学习2_ev.mp4 [39.5 MB]
- 14-11 AI Agent图片编辑组件编写1_ev.mp4 [36.6 MB]
- 14-3 LiteFlow上下文讲解_ev.mp4 [56.4 MB]
- 14-6 组件参数绑定与执行器_ev.mp4 [42.1 MB]
- 14-13 AI Agent图片编辑组件编写3_ev.mp4 [82.2 MB]
- 14-12 AI Agent图片编辑组件编写2_ev.mp4 [60.1 MB]
- 14-1 什么是LiteFlow_ev.mp4 [34.2 MB]
- 14-7 前端编排UI搭建_ev.mp4 [57.2 MB]
- 14-8 AI Agent文生图组件实现1_ev[].mp4 [24.6 MB]
第4章 库存调拨Agent_ 架构思路与工程环境搭建7 集
- 第4章 库存调拨Agent_ 架构思路与工程环境搭建资料.png [493.5 KB]
- 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_ev.mp4 [38.4 MB]
- 4-2 企业级项目标准化搭建_ev[].mp4 [23.9 MB]
- 4-1 从痛点出发的架构思维_ev.mp4 [10.9 MB]
- 4-6 Agent全链路流程设计_ev.mp4 [16.8 MB]
- 4-5 使用代码生成器进行通用业务组件开发_ev.mp4 [43.4 MB]
- 4-4 数据建模：核心数据库实体设计_ev[].mp4 [49.6 MB]
第9章 BI报表问答Agent：RAG技术与向量库整合18 集
- 9-18 面试加分项：多种Prompt优化技术提高召回率_ev.mp4 [43.9 MB]
- 9-6 使用Redis作为向量数据库以及问题引出_ev.mp4 [55.7 MB]
- 9-9 扩展：使用DockerFile启动Milvus+客户化UI界面_ev.mp4 [54.7 MB]
- 9-10 扩展：项目集成Milvus作为向量数据库_ev.mp4 [45.7 MB]
- 9-12 数据准备：前置数据库脚本执行_ev.mp4 [53.5 MB]
- 9-16 RAG检索过程源码解析_ev.mp4 [50.5 MB]
- 9-13 明确目标：核心节点开发逻辑梳理_ev.mp4 [29.1 MB]
- 9-17 如何让AI更好的理解用户不准确的表述？_ev.mp4 [4.6 MB]
- 9-3 工程初始化与环境搭建_ev.mp4 [31.7 MB]
- 9-15 RAG 召回 + 大模型内容生成落地_ev.mp4 [61.9 MB]
- 9-4 集成Tika文档读取器实现文档读取_ev.mp4 [37.4 MB]
- 9-14 AI Agent 提示词：教你编写高效果优质 Prompt_ev.mp4 [34.2 MB]
- 9-5 文本向量大模型介绍以及整合智源向量大模型_ev.mp4 [52.3 MB]
- 9-1 架构设计：从痛点出发的架构思维_ev.mp4 [9.7 MB]
- 9-11 智能BI报表问答系统Graph工作流设计_ev[].mp4 [5.5 MB]
- 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_ev.mp4 [65.8 MB]
- 9-2 RAG技术深度解析_ev.mp4 [13.4 MB]
- 9-7 踩坑预警！默认文本分割方案的核心问题_ev.mp4 [88.1 MB]
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9 集
- 11-1 如何提高大模型生成的SQL的准确性？_ev.mp4 [1.8 MB]
- 11-5 测试：验证评估节点效果_ev.mp4 [58.2 MB]
- 11-7 条件边实现_ev.mp4 [53.6 MB]
- 11-8 面试加分项：三件套：评估-循环-微调，准确率拉满！_ev.mp4 [50.1 MB]
- 11-4 评估节点初级版本代码实现_ev.mp4 [65.6 MB]
- 11-2 增加评估节点提升SQL准确性_ev[].mp4 [24.0 MB]
- 11-6 智能BI报表问答系统Graph工作流进阶版设计_ev.mp4 [6.3 MB]
- 11-9 BI报表问答Agent总结梳理_ev.mp4 [33.7 MB]
- 11-3 评估节点系统提示词编写_ev[].mp4 [30.8 MB]
第6章 库存调拨Agent：风险控制方案落地实现6 集
- 6-4 人类审核→对话召回→工作流激活：全链路落地_ev.mp4 [61.6 MB]
- 6-5 人机协同流程总结与梳理_ev.mp4 [13.2 MB]
- 6-1 什么是人机协同？为什么要进行人机协同？_ev.mp4 [58.9 MB]
- 6-3 对话隔离落地：RunableConfig 的 threadId 配置开发_ev.mp4 [54.5 MB]
- 6-2 Graph 配置适配人机协同节点_ev.mp4 [58.5 MB]
- 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_ev.mp4 [42.0 MB]
第8章 库存调拨Agent：高并发方案落地实现12 集
- 8-1 问题点：你是如何应对高并发场景的？_ev.mp4 [6.6 MB]
- 8-8 如何保证Kafka消息不丢失__ev.mp4 [72.3 MB]
- 8-5 消息中间件Kafka引入及接口改造_ev.mp4 [60.4 MB]
- 8-9 如何保证Kafka消息不积压1_ev.mp4 [35.9 MB]
- 8-6 Agent触发接口改造_ev.mp4 [60.9 MB]
- 8-3 使用docker启动nacos服务_ev.mp4 [43.4 MB]
- 8-12 成果验收：业务层开发与全流程联调测试_ev.mp4 [55.3 MB]
- 8-2 项目改造：单体项目改造为微服务项目_ev.mp4 [45.9 MB]
- 8-4 使用nacos作为配置中心以及新规范配置_ev.mp4 [31.1 MB]
- 8-11 消费端重复消费的幂等处理_ev.mp4 [100.6 MB]
- 8-7 Kafka生产与消费全链路打通_ev.mp4 [72.4 MB]
- 8-10 如何保证Kafka消息不积压2_ev.mp4 [41.1 MB]
适合人群
- Java开发者
- AI领域爱好者
- 希望转行AI领域的IT从业者
🎯 学习收获
- 掌握AI Agent开发技能
- 了解大模型私有化部署方案
- 提升简历竞争力
🎉 祝您学习愉快！
课程目录
第10章 BI报表问答Agent：SQL生成与报表生成引擎开发9 集
- 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9 集
- 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
- 11-4 评估节点初级版本代码实现.mp4
- 11-5 测试：验证评估节点效果.mp4
- 11-6 智能BI报表问答系统Graph工作流进阶版设计.mp4
- 11-7 条件边实现.mp4
- 11-8 面试加分项：三件套：评估-循环-微调，准确率拉满！.mp4
- 11-9 BI报表问答Agent总结梳理.mp4
第12章 企业大模型私有化部署方案7 集
- 12-1 常见的私有化大模型部署方案介绍.mp4
- 12-2 常见的算力服务器介绍以及算力服务器购买.mp4
- 12-3 AutoDL 服务器操作 + Ollama 安装落地.mp4
- 12-4 原有项目改造，适配Ollama私有化部署大模型.mp4
- 12-5 vLLM运行环境安装.mp4
- 12-6 通过魔搭社区下载安装开源Qwen大模型.mp4
- 12-7 原有项目改造，适配私有化部署Qwen大模型.mp4
第13章 高薪简历指导与项目深度包装2 集
- 13-1 亮点提炼：从技术到业务的包装逻辑.mp4
- 13-2 智能库存挑拨优化系统面试攻略.mp4
第14章 自研工作流Agent开发框架补充13 集
- 14-1 什么是LiteFlow.mp4
- 14-10 AI Agent文生图组件实现3.mp4
- 14-11 AI Agent图片编辑组件编写1.mp4
- 14-12 AI Agent图片编辑组件编写2.mp4
- 14-13 AI Agent图片编辑组件编写3.mp4
- 14-2 LiteFlow组件讲解.mp4
- 14-3 LiteFlow上下文讲解.mp4
- 14-4 EL编排学习1.mp4
- 14-5 EL编排学习2.mp4
- 14-6 组件参数绑定与执行器.mp4
- 14-7 前端编排UI搭建.mp4
- 14-8 AI Agent文生图组件实现1.mp4
- 14-9 AI Agent文生图组件实现2.mp4
第15章 课程回顾与展望1 集
- 15-1 课程总结回顾与展望.mp4
第1章 开课准备1 集
- 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？6 集
- 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5 集
- 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6 集
- 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16 集
- 5-1 全局状态机定义与声明.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
- 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
第6章 库存调拨Agent：风险控制方案落地实现6 集
- 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5 集
- 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12 集
- 8-1 问题点：你是如何应对高并发场景的？.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
- 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
第9章 BI报表问答Agent：RAG技术与向量库整合22 集
- 9-1 架构设计：从痛点出发的架构思维.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
- 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
- 课程资料
- Java开发者的AI高薪跳板：双项目打通生产级Agent开发.pdf
- Java开发者的AI高薪跳板：双项目打通生产级Agent开发.pptx
- ppt素材图片.zip
- 源码
- double-ai-agent.zip
