《Spring AI 入门与实战》专栏文章目录
30 篇正文 · 基于 Spring Boot 3.3+ / JDK 17 / Spring AI 1.1 GA · 示例模型：DeepSeek / 通义千问（OpenAI 兼容端点）
每篇文章固定结构：场景引入 → 核心讲解（含完整代码）→ 生产视角 → 踩坑记录 → 小结与练习
第〇篇 · 开篇导读
- 01 发刊词：Java 开发者的 AI 转型，为什么首选 Spring AI
- 02 环境准备与技术全景图
第一篇 · 核心基础：和模型对话
- 03 第一个 AI 应用：ChatClient 十分钟上手
- 04 模型抽象层：一行配置切换 OpenAI/DeepSeek/通义/智谱
- 05 Prompt 工程：PromptTemplate 与系统提示词
- 06 结构化输出：让 AI 稳定返回 Java 对象
- 07 多模态入门：图像理解与生成
- 08 会话记忆：ChatMemory 三种玩法
第二篇 · RAG：让 AI 懂你的业务
- 09 Embedding 入门：文本如何变成向量
- 10 向量库实战：PgVector / Redis / Milvus 三选一
- 11 文档处理流水线：加载、清洗与切分
- 12 RAG 最小实现：QuestionAnswerAdvisor
- 13 RAG 进阶：查询改写、重排与多路召回
- 14 企业知识库避坑指南
第三篇 · 工具调用与 Agent：让 AI 动手
- 15 Function Calling：@Tool 让 AI 调用你的代码
- 16 工具设计的艺术：怎么写 AI"爱用"的工具
- 17 MCP 协议详解：AI 界的 USB-C
- 18 实战 MCP Server：把现有 Spring 服务变成 AI 工具
- 19 MCP Client 与安全：让 AI 安全地用外部工具
- 20 Agent 模式：从工具调用到自主智能体
第四篇 · 工程化：通往生产
- 21 Advisor 链：AI 应用里的 AOP
- 22 可观测性：看懂每一次 LLM 调用
- 23 效果评估：LLM-as-a-Judge
- 24 成本与安全治理
- 25 测试与 CI/CD
第五篇 · 综合实战：三个完整项目
- 26 实战一：企业智能客服系统
- 27 实战二：MCP 工具中枢
- 28 实战三：数据分析智能体
- 29 部署上线：从 Demo 到生产
- 30 终章：AI 应用的未来与你的学习路线
