Hollis【实战课程】大模型应用开发实战

课程介绍

这个课程的定位是0 AI基础入门的，我们从最最基础的Transformer的原理、提示词工程开始讲起，一直到RAG、Agent等等。所以你不需要有什么AI相关的背景知识，只要有Java基础就能学了。

试看链接  https://pan.baidu.com/s/1SakV1twnT45KsKe-XN8H3A?pwd=25w8

相关推荐

Dify零基础开发本地Agent智能体（完结）

AI Agent股票异动风控机器人实战（支持美股+A股）(完结)

Java转 AI高薪领域必备-从0到1打通生产级AI Agent开发（完结）

课程目录

├── 16-模拟面试
│ ├── 195.应届，电商项目，Agent智能体项目.sz
│ ├── 194.应届，Agent智能体，数藏项目.sz
├── 15-项目实战2——智能客服（更新中）
│ ├── 178.对话相关表结构及流程设计.sz
│ ├── 179.虚拟线程+flash模型生成对话标题摘要.sz
│ ├── 177.RAG中如何针对excel文件做支持&多种分段方案实现.sz
│ ├── 193.基于RAG做问答全流程代码完善.sz
│ ├── 191.使用BGE-ReRanker针对检索结果做重排序.sz
│ ├── 176.RAG中如何针对word文档做支持.sz
│ ├── 192.根据不同的意图实现定制化提示词.sz
│ ├── 184.如何针对用户的问题做重写？.sz
│ ├── 189.父子分段的切分和检索逻辑.sz
│ ├── 190.多级缓存实现chunk的快速检索.sz
│ ├── 185.如何实现查询路由.sz
│ ├── 182.非汽车相关咨询意图对话实现.sz
│ ├── 181.项目中意图识别提示词的优化.sz
│ ├── 180.意图识别如何实现？180.如何优化？.sz
│ ├── 188.自定义基于ElasticSearch的向量检索器.sz
│ ├── 187.langchain4j-elasticsearch混合检索不支持开源版怎么办？.sz
│ ├── 186.如何基于Ela186.混合检索？.sz
│ ├── 183.LangChain4J中的RAG执行流程.sz
│ ├── 171.XXL-JOB部署及用任务驱动文档处理流程.sz
│ ├── 159.在Java代码中把MinerU解析文档功能集成进来(先导).sz
│ ├── 155.为什么不用Java解析PDF文档.sz
│ ├── 170.文档预处理阶段全流程讲解.sz
│ ├── 167.接入ElasticSearch做向量存储.sz
│ ├── 160.在Java代码中把MinerU解析文档功能集成进来（上).sz
│ ├── 158.项目初始化+文档上传处理.sz
│ ├── 157.MinerU文档处理功能实现.sz
│ ├── 165.文档索引构建流程——zip解压及markdown图片上传.sz
│ ├── 162.在Java代码中把MinerU解析文档功能集成进来（下).sz
│ ├── 154.技术选型.sz
│ ├── 163.文档索引构建流程——文档切分.sz
│ ├── 156.为什么选择MinerU解析文档.sz
│ ├── 173.阶段性代码优化(中)——分布式锁接入.sz
│ ├── 169.向量维度如何设置.sz
│ ├── 175.阶段性代码优化(下)——性能优化+雪花算法实现唯一分片ID.sz
│ ├── 174.阶段性代码优化(中）——分布式锁验证.sz
│ ├── 168.文档索引构建流程——向量存储.sz
│ ├── 166.文档索引构建流程——图片转描述.sz
│ ├── 172.阶段性代码优化(上).sz
│ ├── 161.在Java代码中把MinerU解析文档功能集成进来（中).sz
│ ├── 164.chunkSize和overlap设置成多少比较合适.sz
├── 11.Skill
│ ├── 128. Skill的渐进式披露 .mp4
│ ├── 129. 一些好用的Skills推荐 .mp4
│ ├── 136.Spring Al中Skill集成的实现原理.sz
│ ├── 138.Claude Code中的Skills实现原理.sz
│ ├── 134. SpringAI中如何使用Skill？（ChatClient）.sz
│ ├── 127. 什么是Agent Skills，为什么需要他？.sz
│ ├── 130. Claude Code中如何使用Skills.sz
│ ├── 133. SpringAI中如何使用Skill？（Agent）.sz
│ ├── 137.Agent Skills的安全问题.sz
│ ├── 135.OpenCode (CC的开源版)中的Skills的实现原理.sz
│ ├── 131. 实战：开发一个简历评估的Skill.sz
│ ├── 132. 简历评估Skills讲解.sz
├── 13.AgentScope(待更新)
├── 6.Function Call
│ ├── 48. 实战：仿PDD自动帮买家申请退款.sz
│ ├── 47. Spring AI中的Tool Calling怎么实现的.sz
│ ├── 45. 如何定义一个好的Function.sz
│ ├── 44. 什么是Function Call.sz
│ ├── 46. 使用Spring AI做Function Call.sz
├── 10.上下文工程
│ ├── 126. 实战：Manus的上下文工程实践.sz
│ ├── 124. 上下文太长会带来什么问题？.sz
│ ├── 123. 什么是Context，和Memory、Prompt、Token之间的区别？.sz
│ ├── 125. 什么是上下文工程？.sz
├── 4.SpringAl
│ ├── 37. Spring AI 核心特性：调用本地模型.sz
│ ├── 27. 开发必备的Spring AI核心概念(下）.sz
│ ├── 25. 接入Spring AI 与Spring AI Alibaba.sz
│ ├── 33.Spring AI 核心特性：结构化输出（下） 2026-02-11 1168 次学习.sz
│ ├── 35. Spring AI 记忆管理技术：持久化记忆.sz
│ ├── 26. 开发必备的Spring AI核心概念(上）.sz
│ ├── 30. Spring AI 核心特性：提示词模板管理.sz
│ ├── 31. Spring AI 核心特性：结构化输出（上）.sz
│ ├── 32.Spring AI 核心特性：结构化输出（中）.sz
│ ├── 24. LLM应用开发框架：LangChain.sz
│ ├── 23. 基于SSE实现大模型流式输出.sz
│ ├── 34. Spring AI 核心特性：对话记忆.sz
│ ├── 22. Java中大模型调用的多种方式.sz
│ ├── 29. Spring AI 核心特性：流式输出.sz
│ ├── 36. Spring AI 核心特性：Advisor.sz
│ ├── 28. Spring AI 核心特性：提示词工程.sz
├── 12.模型微调(待更新)
├── 9.Agent
│ ├── 108. 如何给Agent增加持久化记忆.sz
│ ├── 119. 实战一（后续）：ReactAgent流式输出有问题？.sz
│ ├── 118. 实战一：手搓ReactAgent（流式）.sz
│ ├── 120. 实战二：手搓ReflectionAgent.sz
│ ├── 117. 实战一：手搓ReactAgent（非流式）.sz
│ ├── 112. Agent常用架构：Human in the Loop.sz
│ ├── 102. 什么是AI Agent？.sz
│ ├── 121. 实战三：手搓PlanExecuteAgent.sz
│ ├── 114. 使用AutoGen 构建一个代码生成器.sz
│ ├── 105.React Agent的实现方式？.sz
│ ├── 115. Spring AI Alibaba中的多智能体支持.sz
│ ├── 113. Agent常用架构：Multi Agent.sz
│ ├── 106. Alibaba-React Agent 初探.sz
│ ├── 110. Agent常用架构：Plan and Execute Agent.sz
│ ├── 107. Alibaba-React Agent 核心组件.sz
│ ├── 104.Agent常用架构：ReAct Agent.sz
│ ├── 103. 常用的Agent开发框架.sz
│ ├── 111. Agent常用架构：Reflection Agent.sz
│ ├── 116. 多智能体协议——A2A.sz
│ ├── 122. 实战四：手搓Human in the Loop.sz
│ ├── 109. 深入理解 Alibaba-React Agent 原理.sz
├── 1.代码介绍&应用启动
│ ├── 03.重要说明+如何下载代码.sz
│ ├── 02.【重要】课程设计说明.sz
│ ├── 01.课程介绍+如何答疑 .sz
│ ├── 04.代码目录结构&应用如何启动.sz
├── 7.MCP
│ ├── 59. MCP调试工具.sz
│ ├── 55. SSE MCP Server如何实现重连.sz
│ ├── 62. MCP与其他协议的区别.sz
│ ├── 51. 如何接入MCP Server.sz
│ ├── 60. 如何跳过MCP的模型总结.sz
│ ├── 49. 什么是MCP.sz
│ ├── 50. 深入理解MCP技术原理.sz
│ ├── 61. 如何实现MCP工具过滤.sz
│ ├── 54. Spring AI MCP调用实现原理.sz
│ ├── 57. MCP如何实现认证鉴权.sz
│ ├── 52. 使用Spring AI开发MCP Server.sz
│ ├── 58. 神奇的context-path.sz
│ ├── 56. 将MCP改造为HTTPS.sz
│ ├── 53. 使用Spring AI开发MCP Client.sz
├── 3.提示词工程
│ ├── 18. 结构化Prompt框架.sz
│ ├── 19. Prompt评测方法 379.sz
│ ├── 15. 什么是Prompt.sz
│ ├── 21. 理解 OpenAI API.sz
│ ├── 16. 如何设计Prompt？.sz
│ ├── 19. Prompt评测方法.sz
│ ├── 17. 高阶Prompt优化方法.sz
│ ├── 20. nof1提示词工程案例.sz
├── 5.LangChain4J
│ ├── 39. LangChain4J低层次API使用.sz
│ ├── 42. LangChain4j中实现持久化记忆 .sz
│ ├── 43. Spring AI & Spring AI Alibaba & Langchain4j.sz
│ ├── 40. LangChain4j高层次API使用.sz
│ ├── 41. @AiService实现原理.sz
│ ├── 38. 初识LangChain4j .mp4
├── 00 播放器_054
│ ├── 四端播放器使用指南.pdf
├── 8.RAG
│ ├── 74. 向量模型&向量数据库&向量存储.mp4
│ ├── 96. Spring AI 和 LangChain4J的模块化RAG功能对比.sz
│ ├── 101. 实战：多模态RAG智能问答系统（下）.mp4
│ ├── 99.实战：多模态RAG智能问答系统（上）.mp4
│ ├── 83. RAG优化技术：查询路由.sz
│ ├── 71. 常见文档分片方式.sz
│ ├── 93. Spring AI中的Modular RAG支持.mp4
│ ├── 97. 多模态RAG.sz
│ ├── 87. RAG优化技术：混合检索(上）.mp4
│ ├── 88. RAG优化技术：混合检索(中）.sz
│ ├── 88. RAG优化技术：混合检索(中）.mp4
│ ├── 64. 深入理解RAG技术原理——索引构建.sz
│ ├── 77. （选学）如何使用离线向量模型.sz
│ ├── 68. 文档预处理（上）.mp4
│ ├── 63. 什么是RAG？.sz
│ ├── 70. 文档预处理（下）.sz
│ ├── 94. LangChain4J中的Modular RAG支持.sz
│ ├── 101. 实战：多模态RAG智能问答系统（下）.sz
│ ├── 81. RAG优化技术：元数据过滤.sz
│ ├── 69. 文档预处理（中）.mp4
│ ├── 82. RAG优化技术：问题改写.mp4
│ ├── 78. 索引构建流程（ETL）总结与查缺补漏.sz
│ ├── 84. RAG优化技术：查询构造.sz
│ ├── 87. RAG优化技术：混合检索(上）.sz
│ ├── 67. RAG的范式演进.sz
│ ├── 98. 多模态RAG——对接多模态模型做图像识别.sz
│ ├── 79. 检索增强生成.sz
│ ├── 68. 文档预处理（上）.sz
│ ├── 83. RAG优化技术：查询路由.mp4
│ ├── 90. RAG优化技术：重排序.mp4
│ ├── 81. RAG优化技术：元数据过滤.mp4
│ ├── 80. Spring AI 和 LangChain4J中文档处理功能对比.sz
│ ├── 95. 基于LangChain4J实现简单的RAG检索.mp4
│ ├── 64. 深入理解RAG技术原理——索引构建.mp4
│ ├── 69. 文档预处理（中）.sz
│ ├── 66. 使用 LlamaIndex 构建一个简单的RAG系统.sz
│ ├── 98. 多模态RAG——对接多模态模型做图像识别.mp4
│ ├── 72.Java中如何实现文档分片.sz
│ ├── 76. 向量数据库如何选型？.sz
│ ├── 70. 文档预处理（下）.mp4
│ ├── 89. RAG优化技术：混合检索(下）.sz
│ ├── 82. RAG优化技术：问题改写.sz
│ ├── 100. 实战：多模态RAG智能问答系统（中） .sz
│ ├── 93. Spring AI中的Modular RAG支持.sz
│ ├── 85. RAG优化技术：问题澄清.sz
│ ├── 73. 自定义支持父子分片的基于标题的分片器.sz
│ ├── 75. （选学）PostgresMlEmbeddingModel.sz
│ ├── 72.Java中如何实现文档分片.mp4
│ ├── 71. 常见文档分片方式.mp4
│ ├── 86. RAG优化技术：HyDE.sz
│ ├── 89. RAG优化技术：混合检索(下）.mp4
│ ├── 92.RAG优化技术：Graph 92.RAG（下）.sz
│ ├── 95. 基于LangChain4J实现简单的RAG检索.sz
│ ├── 100. 实战：多模态RAG智能问答系统（中） .mp4
│ ├── 65.深入理解RAG技术原理——检索生成.sz
│ ├── 73. 自定义支持父子分片的基于标题的分片器.mp4
│ ├── 91. RAG优化技术：Graph RAG（上）.sz
│ ├── 90. RAG优化技术：重排序.sz
│ ├── 99.实战：多模态RAG智能问答系统（上）.sz
│ ├── 74. 向量模型&向量数据库&向量存储.sz
│ ├── 92.RAG优化技术：Graph 92.RAG（下）.mp4
├── 代码
│ ├── LLMentor代码.rar
├── 14.项目实战(更新中)
│ ├── 139. 整体架构与功能点介绍.sz
│ ├── 152.实现DeepResearch (上).sz
│ ├── 148.PPT生成智能体.sz
│ ├── 150.用Python-PPTX渲染出PPT.sz
│ ├── 140.. 项目运行说明.sz
│ ├── 149.如何输出稳定的PPT.sz
│ ├── 143.流式响应的一些重要概念.sz
│ ├── 146.智能体生成PPT的几种方式.sz
│ ├── 141. 智能对话：从需求分析到技术落地.sz
│ ├── 153.实现DeepResearch (下).sz
│ ├── 142. 流式控制与任务管理.sz
│ ├── 145.大文件如何处理.sz
│ ├── 147.模板填充PPT需求分析.sz
│ ├── 151.PPT生成失败策略与断点恢复.sz
│ ├── 144.文件问答助手如何实现.sz
├── 2.大模型应用开发概述
│ ├── 07. 什么是大模型.sz
│ ├── 08. 大模型的工作原理.sz
│ ├── 12.基于Ollama部署本地模型.sz
│ ├── 10.大模型应用开发常用的平台.sz
│ ├── 06.行业趋势与岗位需求分析.sz
│ ├── 09.Java 在大模型应用开发中的优势.sz
│ ├── 11.百炼介绍与基本使用.sz
│ ├── 14. LLM HelloWorld.sz
│ ├── 13.大模型的局限性以及常见解决方案.sz