# java-ai-agent-plan

**Repository Path**: afoxsss/java-ai-agent-plan

## Basic Information

- **Project Name**: java-ai-agent-plan
- **Description**: ai学习
- **Primary Language**: Java
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-07-30
- **Last Updated**: 2026-07-30

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Java 工程师转型 AI Agent 学习计划

这套计划面向已经具备 Java、Spring Boot、数据库和工程经验的后端工程师，目标是快速转向 AI 应用开发、AI Agent 工程、RAG 系统和企业级大模型应用岗位。

## 目标岗位

- AI 应用开发工程师
- 大模型应用开发工程师
- AI Agent 开发工程师
- RAG 知识库工程师
- 智能体平台后端工程师
- Java + LangChain4j / Spring AI 工程师

## 招聘要求提炼

参考 Boss 直聘、智联招聘等平台常见 JD，AI Agent 相关岗位通常要求以下能力：

- 后端工程能力：Java、Spring Boot、REST API、微服务、数据库、Redis、消息队列、鉴权、部署
- 大模型 API 能力：OpenAI 兼容接口、国产模型 API、模型适配层、Prompt Engineering、Function Calling、Tool Calling
- RAG 能力：Embedding、向量数据库、文档切分、召回、重排、知识库问答、评测
- Agent 能力：任务拆解、工具调用、记忆、规划、反思、多 Agent 协作、人机协同
- 工程落地能力：流式输出、异步任务、长任务编排、日志追踪、成本控制、限流降级、权限隔离
- 产品理解能力：客服助手、销售助手、简历助手、企业知识库、代码助手、数据分析助手等场景
- 加分项：Python 基础、LangChain、LangGraph、LangChain4j、Spring AI、MCP 生态接入、Docker、K8s、可观测性

## 学习策略

你的优势是 Java 后端工程经验，不建议从机器学习数学和模型训练开始，而是优先走"AI 应用工程化"路线。

推荐路径：

1. 先掌握大模型 API 调用和 Prompt 设计
2. 再抽象模型适配层，支持多模型切换、降级和成本统计
3. 再掌握 RAG 知识库系统
4. 再掌握 Agent 工具调用、MCP 生态接入和任务编排
5. 最后做 2 到 3 个可展示项目，用项目对齐招聘 JD

## 文件说明

- [01-岗位能力模型.md](./01-岗位能力模型.md)：把招聘要求拆成可学习能力
- [02-快速学习路线.md](./02-快速学习路线.md)：8 周学习路线，按周推进
- [03-项目实战清单.md](./03-项目实战清单.md)：适合 Java 工程师包装简历的 AI 项目
- [04-每日学习模板.md](./04-每日学习模板.md)：每天按模板执行，避免学散
- [05-面试准备清单.md](./05-面试准备清单.md)：面试题、项目表达和简历关键词
- [06-专业术语表.md](./06-专业术语表.md)：AI 领域专业术语速查表，遇到不认识的术语随时查阅

## 阶段学习文件夹

- [01-大模型API与Prompt](./01-大模型API与Prompt)：模型接口、模型适配层、Prompt、JSON 输出、SSE 流式响应、多模态、本地模型
- [02-SpringAI与LangChain4j](./02-SpringAI与LangChain4j)：Java 大模型应用开发框架
- [03-RAG知识库](./03-RAG知识库)：文档解析、向量化、检索、重排、引用来源、微调选型
- [04-FunctionCalling与工具调用](./04-FunctionCalling与工具调用)：工具定义、参数校验、权限、执行日志
- [05-AIAgent基础](./05-AIAgent基础)：规划、执行、观察、记忆、人机协同
- [06-MCP与插件生态](./06-MCP与插件生态)：MCP Server、MCP Client、工具生态、Agent 接入闭环
- [07-AI工程化与上线](./07-AI工程化与上线)：成本、稳定性、安全、审计、可观测性、语义缓存、评测体系
- [08-Python与生态补充](./08-Python与生态补充)：看懂 Python AI 生态示例

## 最短成型路径

如果目标是尽快能投递岗位，建议优先完成下面 3 个项目：

1. 企业知识库 RAG 问答系统
2. 带工具调用的 AI Agent 助手
3. Java Spring Boot + Spring AI / LangChain4j 的智能客服系统

完成标准不是"看完教程"，而是：

- 能本地运行
- 能接入真实大模型 API
- 能在不同模型供应商之间切换，并有失败降级策略
- 能接入数据库和向量库
- 能把至少一个 MCP Server 接入 Agent 工具链
- 能流式返回结果
- 有完整 README
- 能解释核心设计、问题和优化方案

## 自学掌握方法

每个阶段都按"概念理解 → 官方资料 → 最小 Demo → Spring Boot 工程化 → README 总结 → 面试表达"推进。

判断是否掌握，不看收藏了多少资料，而看是否能完成 4 件事：

1. 能用自己的话讲清楚这个技术解决什么问题
2. 能写出一个最小可运行 Demo
3. 能接入 Spring Boot 变成接口或服务
4. 能讲清楚异常、权限、成本、日志和优化方案