资源内容

项目使用的技术涵盖：

LangChain4J的理解与应用、多模型接入与应用、人工智能服务、实现聊天记忆、提示词优化、Function Calling函数调用、检索增强生成（RAG）技术、向量模型和向量存储、流式输出与

工程、

工程开发等。

通过本套教程的学习，你不仅能够积累丰富的项目经验，还能培养解决实际问题的能力，为未来在人工智能领域的职业发展打下坚实基础。无论是想要提升技术水平的Java开发者，还是对AI应用开发感兴趣的初学者，这套教程都是开启你 AI 应用开发新征程的理想选择

教程目录：

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