正版资源硅谷小智（医疗版）【VIP】
课程定位与核心价值 本课程聚焦于 Java 生态下大模型应用的工程化落地，以 LangChain4j 为核心框架，解决传统后端开发中难以优雅集成 LLM、管理复杂上下文记忆以及动态切换底层模型的痛点。课程摒弃了浅层的 API 调用演示，转而深入 Spring Boot 架构内部，系统梳理从依赖引入、
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。
课程定位与核心价值
本课程聚焦于 Java 生态下大模型应用的工程化落地，以 LangChain4j 为核心框架，解决传统后端开发中难以优雅集成 LLM、管理复杂上下文记忆以及动态切换底层模型的痛点。课程摒弃了浅层的 API 调用演示，转而深入 Spring Boot 架构内部，系统梳理从依赖引入、模型适配到生产级 AIService 调用的完整链路，旨在帮助开发者建立可复用、高内聚的 AI 应用基础设施。
前置门槛与分阶学习路径
适合具备 Java 基础、熟悉 Spring Boot 依赖注入及 RESTful 开发的中级工程师。建议按三个阶段循序渐进：第一阶段（第 01-06 节）重点掌握 LangChain4j Starter 的集成与大模型初始化，建立基础认知；第二阶段（第 07-15 节）深入对比 DeepSeek、阿里百炼及本地 Ollama 的接入差异，特别要注意运行时密钥配置与环境变量的潜在陷阱；第三阶段（第 16-23 节）为课程精华，必须手动实现 ChatMemory，深入理解会话状态在内存中的序列化、检索与生命周期管理，这是构建医疗等垂直领域高精度对话机器人的关键技术底座。
实战产出与资料配合策略
完成学习后，你将能独立构建支持多轮对话、具备短期记忆能力的 Java AI 应用，并可根据业务需求灵活替换底层模型服务。资料包中的视频侧重关键代码段的逻辑解析，建议不要仅作为背景音观看，务必边看边对照项目结构。核心实践方法是亲手创建 Spring Boot 项目，复现从 ModelProvider 配置到 MemoryStore 存储的全过程，将源码中的配置类复制到本地进行断点调试，特别是 AIService 注解驱动部分，通过实际运行验证内存管理的细节，从而将知识内化为可复用的工程模块。
课程目录
课程目录69 集
- 01-教程简介.mp4 42.50M
- 02-LangChain4j入门-简介.mp4 61.86M
- 03-LangChain4j入门-应用程序整合大语言模型的常见场景.mp4 65.68M
- 04-LangChain4j入门-创建SpringBoot应用程序.mp4 117.03M
- 05-LangChain4j入门-接入大模型.mp4 145.53M
- 06-LangChain4j入门-使用Spring Boot Starters.mp4 254.99M
- 07-接入其他大模型-都有哪些大模型可进行接入.mp4 65.78M
- 08-接入其他大模型-DeepSeek.mp4 269.08M
- 09-接入其他大模型-运行时无法获取apiKey的原因.mp4 8.72M
- 10-接入其他大模型-ollama本地部署.mp4 92.50M
- 11-接入其他大模型-ollama.mp4 180.85M
- 12-接入其他大模型-阿里百炼介绍.mp4 41.63M
- 13-接入其他大模型-阿里百炼通义千问.mp4 199.00M
- 14-接入其他大模型-阿里百炼通义万象.mp4 109.27M
- 15-接入其他大模型-阿里百炼deepseek.mp4 68.83M
- 16-AIService-概念.mp4 37.48M
- 17-AIService-创建AIService.mp4 103.34M
- 18-AIService-使用@AiService.mp4 110.04M
- 19-AIService-工作原理.mp4 100.80M
- 20-Chat memory-聊天记忆的简单实现.mp4 129.34M
- 21-Chat memory-使用ChatMemory实现聊天记忆.mp4 114.20M
- 22-Chat memory-使用AIService实现聊天记忆.mp4 125.51M
- 23-Chat memory-隔离聊天记忆.mp4 146.07M
- 24-Chat memory-实现原理.mp4 173.11M
- 25-Chat memory-替换聊天记忆的实现.mp4 104.40M
- 26-Persistence-存储介质的选择.mp4 100.93M
- 27-Persistence-MongoDB简介.mp4 46.96M
- 28-Persistence-MongoDB的安装和基本操作.mp4 236.90M
- 29-Persistence-SpringBoot整合MongoDB.mp4 441.48M
- 30-Persistence-实现.mp4 218.12M
- 31-Persistence-测试.mp4 117.61M
- 32-Prompt-系统提示词.mp4 243.19M
- 33-Prompt-在提示词中添加当前日期.mp4 15.14M
- 34-Prompt-从资源中加载提示模板.mp4 46.42M
- 35-Prompt-用户提示词.mp4 95.62M
- 36-Prompt-使用@v参数.mp4 39.06M
- 37-Prompt-多个参数的情况.mp4 70.50M
- 38-Prompt-@SystemMessage和@V.mp4 99.00M
- 39-项目实战-创建硅谷小智聊天助手.mp4 263.48M
- 40-项目实战-测试硅谷小智聊天助手.mp4 164.00M
- 41-Function Calling-测试大语言模型的缺陷.mp4 60.01M
- 42-Function Calling-工具的定义和使用.mp4 111.64M
- 43-Function Calling-@Tool和@P.mp4 60.76M
- 45-项目实战-实现预约相关业务逻辑.mp4 155.68M
- 46-项目实战-测试业务方法.mp4 67.66M
- 47-项目实战-创建和配置Tools.mp4 140.57M
- 48-项目实战-测试硅谷小智的预约功能.mp4 145.36M
- 49-RAG-RAG和微调大模型.mp4 169.71M
- 50-RAG-向量和维度.mp4 73.26M
- 51-RAG-相似度和相似度测量.mp4 34.88M
- 52-RAG-索引阶段和检索阶段.mp4 94.02M
- 53-RAG-文档加载器.mp4 257.14M
- 54-RAG-文档解析器.mp4 60.93M
- 55-RAG-文档分割器.mp4 94.53M
- 56-向量转换和向量存储.mp4 300.47M
- 57-自定义文档分割器.mp4 37.61M
- 58-token和token计算.mp4 150.80M
- 59-项目实战-在硅谷小智中实现RAG.mp4 224.10M
- 60-embedding-引入通用文本向量模型.mp4 71.29M
- 61-embedding-Pinecone的使用.mp4 148.28M
- 62-embedding-向Pinecone中存入数据.mp4 86.83M
- 63-embedding-相似度匹配.mp4 76.80M
- 64-项目实战-在硅谷小智中集成向量大模型和Pinecone向量存储.mp4 88.33M
- 65-项目实战-流式输出.mp4 125.05M
- 66-项目实战-运行前端工程.mp4 44.13M
- 课件
- 尚硅谷-Java+大模型应用-硅谷小智（医疗版）.pdf 2.33M
- 视频
- 39.24M
- 资料
- xiaozhi-ui.zip 47.59kb
- knowledge.zip 162.43kb
- mongosh-2.5.0-win32-x64.zip 43.13M
