课程详情 购买须知 售后保障
这门课解决什么问题 面向 Java 后端开发者，解决企业级应用接入大语言模型时常见的工程痛点：如何在 Spring Boot 框架里安全、规范地调用 DeepSeek、通义千问等云端模型，又能在本地部署 Ollama 等开源模型；如何规避运行时拿不到 API Key 的坑；如何把多模型接入能力封装成可复用的服务层，最终落地到医疗等垂直行业场景的完整解决方案。课程从 LangChain4J 框架出发，串联起 Spring Boot Starter、AIService 架构、阿里百炼多模型路由等核心工程实践。
适合什么基础 具备 Java 后端开发经验，熟悉 Spring Boot 基础用法和 REST API 调用流程的开发者。不需要从零学习 Java 语法，重点在于理解大模型接入的工程模式——配置管理、依赖注入、服务抽象、多模型路由——这些才是本课的核心。对于已经做过简单 API 调用但缺乏企业级封装思路的开发者，这门课能直接补上生产环境落地的关键一环。
建议先看哪几块 建议按以下顺序阅读：先通 LangChain4J 入门系列，重点理解"应用程序整合大语言模型的常见场景"和"创建 SpringBoot 应用程序"这两节，掌握框架的核心概念和项目搭建方式；接着看"接入其他大模型"系列，从 DeepSeek 的接入开始，再到 Ollama 本地部署，理解不同模型提供商的接入差异和 API Key 管理机制；最后看 AIService 概念部分，学习如何将多模型接入能力抽象为统一的服务层，这是落地企业级方案的关键架构决策。
学完能独立做什么 学完后可以独立完成：在 Spring Boot 项目中基于 LangChain4J 接入至少两种不同的大模型（如 DeepSeek 和通义千问），通过阿里百炼平台实现模型路由和切换；使用 Spring Boot Starters 一键配置，避免手动管理 API Key 等敏感信息；将多模型接入逻辑封装为 AIService 服务层，对外提供统一接口，内部根据业务需求或成本策略路由到不同模型；将整套能力迁移到医疗等垂直行业场景的完整工程方案中。
资料怎么配合练习 课程资料包包含完整的项目源码和配置文件，建议边学边对照实践。每个大模型接入章节都配有可运行的项目，学完一个模型就动手跑通一次，重点体会 API Key 的注入方式与运行时获取机制的差异。AIService 部分建议结合"小智医疗"项目结构，尝试将新接入的模型能力挂接到已有服务接口上，而非从零搭建。遇到"运行时无法获取 API Key"这类典型坑，先对照源码排查配置注入路径，再调整项目结构。整体学习节奏建议：每学完一个模块就动手跑一次，遇到报错先查源码再查官方文档，不要跳步。
课程目录：
01-教程介绍
02-LangChain4J入门-简介
03-LangChain4J入门-应用程序整合大语言模型的常见场景
04-LangChain4J入门-创建SpringBoot应用程序
05-LangChain4J入门-接入大模型
06-LangChain4J入门-使用Spring Boot Starters
07-接入其他大模型-都有哪些大模型可进行接入
08-接入其他大模型-DeepSeek 09-接入其他大模型-运行时无法获取API Key的原因
10-接入其他大模型-Ollama本地部署
11-接入其他大模型-Ollama
12-接入其他大模型-阿里百炼介绍
13-接入其他大模型-阿里百炼通义千问
14-接入其他大模型-阿里百炼通义万象
15-接入其他大模型-阿里百炼DeepSeek
16-AIService-概念
17-AIService-创建AIService
18-AIService-使用@AiService
19-AIService-工作原理
20-Chat Memory-聊天记忆的简单实现
21-Chat Memory-使用Chat Memory实现聊天记忆
22-Chat Memory-使用AIService实现聊天记忆
23-Chat Memory-隔离聊天记忆
24-Chat Memory-实现原理
25-Chat Memory-替换聊天记忆的实现
26-Persistence-存储 介质的选择
27-Persistence-MongoDB简介
28-Persistence-MongoDB的安装和基本操作
29-Persistence-SpringBoot整合MongoDB
30-Persistence-实现
31-Persistence-测试 32-Prompt-系统提示词
33-Prompt-在提示词中添加当前日期
34-Prompt-从资源中加载提示模板
35-Prompt-用户提示词
36-Prompt-使用@v参数
37-Prompt-多个参数的情况
38-Prompt-@SystemMessage和@V
39-项目 实战-创建硅谷小智聊天助手
40-项目实战-测试硅谷小智聊天助手
41-Function Calling-测试大语言模型的缺陷
42-Function Calling-工具的定义和使用
43-Function Calling-@Tool和@P
44-Function Calling-@ToolMemoryId
45-项目实战-实现预约相关业务逻辑
46-项目实战-测试业务方法
47-项目实战-创建和配置Tools
48-项目实战-测试硅谷小智的预约功能
49-RAG -RAG和微调大模型
50-RAG-向量和维度
51-RAG-相似度和相似度测量
52-RAG-索引阶段和检索阶段
53-RAG-文档加载器
54-RAG-文档解析器
55-RAG-文档分割器
56-向量转换和向量存储
57-自定义文档分割器
58-Token和Token计算
59-项目实战-在硅谷小智中实现RAG
60-Embedding-引入通用文本向量模型
61-Embedding-Pinecone的使用
62-Embedding-向Pinecone中存入数据
63-Embedding-相似度匹配
64-项目实战-在硅谷小智中集成向量大模型和Pinecone向量存储
65-项目实战-流式输出
66-项目实战-运行前端工程课程目录 01-教程介绍
02-LangChain4J入门-简介
03-LangChain4J入门-应用程序整合大语言模型的常见场景
04-LangChain4J入门-创建SpringBoot应用程序
05-LangChain4J入门-接入大模型
06-LangChain4J入门-使用Spring Boot Starters
07-接入其他大模型-都有哪些大模型可进行接入
08-接入其他大模型-DeepSeek
09-接入其他大模型-运行时无法获取API Key的原因
10-接入其他大模型-Ollama本地部署
11-接入其他大模型-Ollama
12-接入其他大模型-阿里百炼介绍
13-接入其他大模型-阿里百炼通义千问
14-接入其他大模型-阿里百炼通义万象
15-接入其他大模型-阿里百炼DeepSeek
16-AIService-概念
17-AIService-创建AIService
18-AIService-使用@AiService
19-AIService-工作原理
20-Chat Memory-聊天记忆的简单实现
21-Chat Memory-使用Chat Memory实现聊天记忆
22-Chat Memory-使用AIService实现聊天记忆
23-Chat Memory-隔离聊天记忆
24-Chat Memory-实现原理
25-Chat Memory-替换聊天记忆的实现
26-Persistence-存储介质的选择
27-Persistence-MongoDB简介
28-Persistence-MongoDB的安装和基本操作
29-Persistence-SpringBoot整合MongoDB
30-Persistence-实现
31-Persistence-测试
32-Prompt-系统提示词
33-Prompt-在提示词中添加当前日期
34-Prompt-从资源中加载提示模板
35-Prompt-用户提示词
36-Prompt-使用@v参数
37-Prompt-多个参数的情况
38-Prompt-@SystemMessage和@V
39-项目实战-创建硅谷小智聊天助手
40-项目实战-测试硅谷小智聊天助手
41-Function Calling-测试大语言模型的缺陷
42-Function Calling-工具的定义和使用
43-Function Calling-@Tool和@P
44-Function Calling-@ToolMemoryId
45-项目实战-实现预约相关业务逻辑
46-项目实战-测试业务方法
47-项目实战-创建和配置Tools
48-项目实战-测试硅谷小智的预约功能
49-RAG-RAG和微调大模型
50-RAG-向量和维度
51-RAG-相似度和相似度测量
52-RAG-索引阶段和检索阶段
53-RAG-文档加载器
54-RAG-文档解析器
55-RAG-文档分割器
56-向量转换和向量存储
57-自定义文档分割器
58-Token和Token计算
59-项目实战-在硅谷小智中实现RAG
60-Embedding-引入通用文本向量模型
61-Embedding-Pinecone的使用
62-Embedding-向Pinecone中存入数据
63-Embedding-相似度匹配
64-项目实战-在硅谷小智中集成向量大模型和Pinecone向量存储
65-项目实战-流式输出
66-项目实战-运行前端工程 
