Java大模型工程能力必修课，LangChain4j 入门到实践_实战课程

本章介绍：

聚焦AI大模型技术落地实践，以Java生态开发者为核心受众，系统化解析大模型技术栈、开发框架与企业级应用方案，强调从理论到工程化的全流程能力构建

第1章大模型启蒙：AI世界观构建

10 节｜78分钟

展开

视频：

1-1 学懂LangChain4j，构建你的Java大模型应用的核心能力

试看

16:28
视频：

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

09:23
视频：

1-3 【生态图谱】大模型技术图谱：大模型应用开发场景流程

04:36
视频：

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

08:40
视频：

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

04:46
视频：

1-6 【生态图谱】大模型技术图谱：大模型模型微调场景流程

04:22
视频：

1-7 【架构解密】Langchain4j架构解密：Java生态的AI开发新范式

08:25
视频：

1-8 【架构解密】Langchain4j架构解密：Langchain4j开发应用场景

02:57
视频：

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）

06:31
视频：

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）

11:48

本章介绍：

专为Java开发者打造的大模型集成实战课，以「环境搭建→模型接入→多模态扩展→设计模式优化」为主线，通过 Spring Boot + Langchain4j 技术栈，实现从 0到1接入主流大模型，并解决企业级多模型管理痛点。

第2章接入模型：LangChain4j接入生态实战

10 节｜63分钟

收起

视频：

2-1 【环境准备】Springboot应用程序搭建指南

04:27
视频：

2-2 【上手体验】Langchain4接入第一个大模型HelloWorld

08:50
视频：

2-3 【模型框架整合】Langchain4j整合生态SpringBoot

04:42
视频：

2-4 【丰富模型】Langchain4j支持哪些大模型接入

05:26
视频：

2-5 【丰富模型】Langchain4j整合DeepSeek大模型

06:00
视频：

2-6 【模型介绍】阿里百炼大模型使用介绍

08:40
视频：

2-7 【丰富模型】Langchain4j接入阿里百炼大模型

05:36
视频：

2-8 【丰富模型】Langchain4j接入阿里千义万象大模型

04:00
视频：

2-9 【丰富模型】Langchain4j接入阿里百炼DeepSeek大模型

试看

03:14
视频：

2-10 【设计模式】使用工厂模式集成多模态大模型

11:30

本章介绍：

直击Langchain4j开发效率痛点，以 AiService（AI服务接口）为核心武器，系统化解析其设计哲学、实战技巧与企业级优化方案，帮助开发者从“能用”跃迁至“优雅可用”，彻底告别样板代码，实现大模型能力的声明式集成。

第3章解放生产力：AiService智能代理

4 节｜19分钟

收起

视频：

3-1 【核心原理】AiService特性与知识要点讲解

03:33
视频：

3-2 【小牛试刀】上手体验AiService基本玩法有哪些

05:33
视频：

3-3 【精益求精】AiService如何优雅的进行创建

04:52
视频：

3-4 【消息类型】AiServices封装的消息类型有哪些

04:44

本章介绍：

专为Java开发者设计的聊天记忆系统构建指南，以 Langchain4j的ChatMemory为核心，系统化解决大模型应用中会话连贯性、多用户隔离与持久化存储三大痛点，覆盖从快速原型到企业级部署的全路径

第4章记忆宫殿：ChatMemory对话记忆

8 节｜60分钟

展开

视频：

4-1 【上手体验】大模型聊天记忆简单实现

11:53
视频：

4-2 【核心组件】使用AiSerivce整合ChatMemory实现聊天记忆

12:14
视频：

4-3 【高阶特性】ChatMemory实现会话隔离机制

07:07
视频：

4-4 【源码剖析】知其然之所以然：ChatMemory源码深度解析

06:01
视频：

4-5 【存储选择】ChatMemory合理选择存储介质

04:16
视频：

4-6 【高阶特性】ChatMemory如何平滑的切换存储介质

04:03
视频：

4-7 【高阶特性】ChatMemory自定义整合MySql存储介质

12:06
视频：

4-8 【高阶特性】整合MySql存储介质数据格式

01:46

本章介绍：

超越基础Prompt技巧，以「注解驱动式提示词工程」为核心方法论，通过 Langchain4j 原生注解体系（@SystemMessage/@UserMessage/@V），实现从通用对话到专业领域AI助手的工业化构建，解决企业级应用中提示词可维护性、结构化输出、领域适配的关键挑战。

第5章咒语工程：提示词角色操纵术

8 节｜63分钟

展开

视频：

5-1 【核心原理】@SystemMessage系统提示词角色约束

08:45
视频：

5-2 【扩展应用】提示词日期应用与加载提示词方法

05:04
视频：

5-3 【核心原理】@UserMessage用户提示词角色约束

07:17
视频：

5-4 【核心应用】提示词多个参数使用方法

03:14
视频：

5-5 【扩展应用】@SystemMessage和@V混合使用方法

05:45
视频：

5-6 【扩展应用】自定义基础类型和自定义对象结构化输出

10:32
视频：

5-7 【扩展应用】自定义枚举类型和boolean类型结构化输出实践

06:11
视频：

5-8 【落地实践】基于提示词构建专业的法律咨询助手

15:55

本章介绍：

聚焦 Langchain4j 函数调用（Function Calling）技术的企业级落地实践，专为 Java开发者打通「大模型能力」与「业务系统」的关键桥梁而设计，直击模型无法访问内部数据、业务逻辑割裂、安全风险高三大核心痛点：

第6章超能扩展：Tools外部能力集成

4 节｜41分钟

展开

视频：

6-1 【上手体验】函数调用介绍&通过AiSerivce整合Tool函数调用

11:18
视频：

6-2 【流程分析】画图剖析大模型与本地函数调用流程

试看

05:34
视频：

6-3 【知识扩展】@Tool注解&@P注解&@ToolMemoryId注解使用方法

05:05
视频：

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

18:49

本章介绍：

从0到1设计失物招领系统，以项目驱动把langchain4j核心内容融入项目中，从理论到实战融会贯通，让同学们做到游刃有余

第7章案例实战：AI招领助手开发V1

22 节｜202分钟

展开

视频：

7-1 【项目介绍】失物招领智能助手功能介绍

06:46
视频：

7-2 【架构设计】失物招领智能助手架构设计

08:12
视频：

7-3 【基础搭建】失物招领基础环境工程搭建

13:57
视频：

7-4 【基础测试】失物招领智能大模型基础环境测试

06:37
视频：

7-5 【核心开发】开发失物招领大模型用户意图功能

16:32
视频：

7-6 【阶段测试】失物招领用户意图阶段自测

03:31
视频：

7-7 【核心开发】开发失物招领大模型失物登记功能

11:30
视频：

7-8 【引出问题】多个系统提示词共用AiService带来的问题

06:16
视频：

7-9 【阶段测试】大模型失物登记功能测试

03:25
视频：

7-10 【持久化数据】开发失物登记数据持久化数据库

09:56
视频：

7-11 【阶段测试】失物登记持久化数据库测试

05:08
视频：

7-12 【核心开发】开发失物招领会话记忆AOP切面功能

15:54
视频：

7-13 【核心开发】开发自定义会话聊天记忆Tool工具类

12:54
视频：

7-14 【阶段测试】测试自定义会话聊天记忆功能

08:51
视频：

7-15 【核心开发】开发失物登记修改功能

10:10
视频：

7-16 【阶段测试】测试失物登记修改功能

05:36
视频：

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

05:23
视频：

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

03:32
视频：

7-19 【核心开发】开发找到失物登记大模型功能

21:16
视频：

7-20 【核心开发】开发找到失物登记业务功能

08:17
视频：

7-21 【阶段测试】测试与优化找到失物登记相关功能点

13:22
视频：

7-22 【阶段测试】找到失物补充信息功能测试

04:48

本章介绍：

聚焦 RAG（检索增强生成）技术的企业级落地实践，专为 Java开发者打造「知识驱动型AI应用」的全链路解决方案，直击大模型知识陈旧、幻觉频发、领域适配难三大核心痛点

第8章开天眼：向量知识库智能增强

19 节｜138分钟

展开

视频：

8-1 【应用场景】RAG和微调大模型应用场景介绍

10:18
视频：

8-2 【核心知识】大模型向量搜索相关概念

07:21
视频：

8-3 【RAG流程】画图理解RAG建立索引过程和检索过程

07:04
视频：

8-4 【核心知识】RAG加载document数据源

04:45
视频：

8-5 【核心知识】RAG常见文档加载API使用

04:02
视频：

8-6 【核心知识】RAG文档解析器使用和常见功能

05:01
视频：

8-7 【核心知识】文档分割器的常见功能

05:06
视频：

8-8 【核心知识】RAG向量转换和向量存储

09:17
视频：

8-9 【核心源码】RAG建立索引核心源码流程剖析

09:13
视频：

8-10 【核心知识】RAG文档分割器使用

04:07
视频：

8-11 【核心知识】大模型token相关概念

07:37
视频：

8-12 【丰富模型】阿里百炼embedding向量模型接入

07:19
视频：

8-13 【向量存储】Pinecone向量存储组件使用介绍

07:51
视频：

8-14 【整合Pinecone】工程接入Pinecone向量存储

06:21
视频：

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

11:26
视频：

8-16 【落地实践】构建仿京东外卖客服知识库建立索引到Pinecone

06:39
视频：

8-17 【落地实践】构建仿京东外卖客服知识库检索实现

06:25
视频：

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

12:47
视频：

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？

04:56

本章介绍：

从0到1设计失物招领系统，以项目驱动把langchain4j核心内容融入项目中，从理论到实战融会贯通，让同学们做到游刃有余

第9章案例实战：AI招领助手开发V2

7 节｜52分钟

展开

视频：

9-1 【核心开发】开发失物招领索引建立和查询功能

18:38
视频：

9-2 【架构设计】失物招领助手查询失物功能设计

01:55
视频：

9-3 【阶段测试】测试索引建立和索引查询功能

07:51
视频：

9-4 【核心开发】开发失物查询RAG整合大模型定义AiService

09:04
视频：

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

06:33
视频：

9-6 【核心开发】开发失物查询业务代码层实现

04:12
视频：

9-7 【阶段测试】测试失物查询RAG+大模型功能实现

03:40

本章介绍：

聚焦 MCP（Model Communication Protocol）协议的工业化落地实践，专为 Java开发者打造大模型连接外部服务的"万能钥匙" ，直击大模型能力封闭、实时数据缺失、业务系统割裂三大核心痛点

第10章万物互联：MCP智能宇宙启航

持续更新

Java大模型工程能力必修课，LangChain4j 入门到实践

专为 Java 工程师设计，系统精讲 & 多场景实践，快速进阶 “Java+AI” 复合人才

课程预览

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

热搜

最近搜索清空

课程预览

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

本章介绍：

学习咨询