价格： 49 学币
本课程以 “Agent库存调拨优化系统” 与 “Agent BI报表问答系统” 两大实战项目为主线，手把手带你完整走通智能体开发全流程。你将系统掌握 Spring AI、Graph、LLM 等核心技术，真正学会如何将 AI 能力无缝注入原有业务系统，实现降本提效的可见价值。
.
├── 第1章 开课准备/
│ └── [101M] 1-1课程导学
├── 第2章 技术选型与架构筑基：为什么是Spring AI Alibaba Graph？/
│ ├── [7.7M] 2-1开篇引言：AI工作流开发的“三条道路”
│ ├── [ 65M] 2-2知己知彼：认识主流低代码平台Dify与Coze
│ ├── [9.7M] 2-3灵魂拷问：低代码平台遍地，为何还要从零造轮子？
│ ├── [ 11M] 2-4职业升维：从“工具使用者”到“架构创造者”
│ ├── [6.7M] 2-5天作之合：为什么SpringAIAlibabaGraph是Java生态的“终极答案”？
│ └── [3.2M] 2-6第四条道路？--自研工作流Agent开发框架
├── 第3章 Spring AI Alibaba Graph框架核心精讲/
│ ├── [7.0M] 3-1什么是Graph？为什么它是AI工作流的终极解决方案？
│ ├── [ 36M] 3-2Graph核心三要素深度解析
│ ├── [ 97M] 3-3初体验：构建你的第一个智能工作流1
│ ├── [114M] 3-4初体验：构建你的第一个智能工作流2
│ └── [ 98M] 3-5初体验：构建你的第一个智能工作流3
├── 第4章 实战一：打造“会思考”的智能库存调拨优化系统（上）/
│ ├── [ 28M] 4-1业务蓝图设计：从痛点出发的架构思维
│ ├── [ 57M] 4-2工程奠基：企业级项目标准化搭建
│ ├── [ 85M] 4-3基础框架封装：统一响应体、异常处理、日志规范的代码实现
│ ├── [ 93M] 4-4数据建模：核心实体设计
│ ├── [ 85M] 4-5使用代码生成器进行通用业务组件开发上
│ ├── [ 39M] 4-6绘制智能调拨的“执行图纸”：Graph工作流全链路设计
│ ├── [ 93M] 4-7商品数据采集节点：基于mybatis-plus实现实时数据流开发1
│ ├── [115M] 4-8商品数据采集节点：基于mybatis-plus实现实时数据流开发2
│ ├── [117M] 4-9商品数据采集节点：基于mybatis-plus实现实时数据流开发3
│ ├── [104M] 4-10库存调拨数据采集节点开发：构建实时数据流，为AI决策引擎提供精准弹药上
│ ├── [172M] 4-11库存调拨数据采集节点开发：构建实时数据流，为AI决策引擎提供精准弹药下
│ └── [152M] 4-12LLM预测引擎核心实现：从提示词工程到业务落地的调拨建议生成
├── 第5章 实战一：打造“会思考”的智能库存调拨优化系统（中）/
│ ├── [118M] 5-1对线面试官：使用提示词优化技术实现LLM输出准确性提升1
│ ├── [135M] 5-2对线面试官：使用提示词优化技术实现LLM输出准确性提升2
│ ├── [142M] 5-3数据提取节点实现：使用LLM实现从返回结果中精准提取结构化数据1
│ ├── [109M] 5-4数据提取节点实现：使用LLM实现从返回结果中精准提取结构化数据2
│ ├── [ 92M] 5-5消息推送节点开发：邮件通知的关键参数配置与模板设计1
│ ├── [116M] 5-6消息推送节点开发：邮件通知的关键参数配置与模板设计2
│ ├── [113M] 5-7消息推送节点开发：邮件通知的关键参数配置与模板设计3
│ ├── [ 82M] 5-8业务执行节点开发：自动生成调拨单的业务逻辑实现1
│ ├── [164M] 5-9业务执行节点开发：自动生成调拨单的业务逻辑实现2
│ ├── [ 83M] 5-10业务执行节点开发：自动生成调拨单的业务逻辑实现3
│ ├── [124M] 5-11经验分享：使用人机协同实现风险控制1
│ ├── [140M] 5-12经验分享：使用人机协同实现风险控制2
│ ├── [131M] 5-13经验分享：使用人机协同实现风险控制3
│ ├── [137M] 5-14经验分享：使用人机协同实现风险控制4
│ ├── [ 37M] 5-15经验分享：使用人机协同实现风险控制5
│ └── [106M] 5-161个条件边=N种执行路径！使用条件边轻松搞定复杂业务决策逻辑
├── 第6章 实战一：打造“会思考”的智能库存调拨优化系统（下）/
│ ├── [ 47M] 6-1对线面试官：可靠性保证，使用Redis持久化实现让工作流中断后智能续期1
│ ├── [113M] 6-2对线面试官：可靠性保证，使用Redis持久化实现让工作流中断后智能续期2
│ ├── @优库it资源网ukoou.com
│ ├── [151M] 6-3对线面试官：可靠性保证，使用Redis持久化实现让工作流中断后智能续期3
│ ├── [8.9M] 6-4问题点：如何更好的让用户或者领导看到你的流程设计？
│ ├── [137M] 6-5对线面试官：使用PlantUML一键生成专业架构图，让设计清晰可见
│ ├── [ 14M] 6-6问题点：你是如何应对高并发场景的？
│ ├── [ 97M] 6-7实现高并发业务-单体项目改造为微服务项目
│ ├── [ 83M] 6-8实现高并发业务-docker启动nacos
│ ├── [ 75M] 6-9实现高并发业务-使用nacos作为配置中心以及新规范配置
│ ├── [126M] 6-10实现高并发业务-引入kafka以及接口改造
│ ├── [142M] 6-11实现高并发业务-触发Agent接口改造
│ ├── [151M] 6-12使用中间件以及动态触发阈值实现高并发业务-kafka生产与消费全链路打通
│ ├── [160M] 6-13使用中间件以及动态触发阈值实现高并发业务-消息不丢失方案实现
│ └── [ 93M] 6-14使用中间件以及动态触发阈值实现高并发业务-消息积压方案实现
├── 第7章 实战二：告别SQL！构建你的“自然语言”BI系统引擎（上）/
│ ├── [ 18M] 7-1架构设计：从痛点出发的架构思维
│ ├── [ 25M] 7-2RAG技术深度解析
│ ├── [ 76M] 7-3环境搭建：工程初始化
│ ├── [ 83M] 7-4使用Tika文档读取器实现文档读取
│ ├── [116M] 7-5向量大模型介绍以及整合智源向量大模型
│ ├── [112M] 7-6使用Redis作为向量数据库以及问题引出
│ ├── [141M] 7-7经验分享：使用自定义的定制化分割器来提高召回准确度1
│ ├── [127M] 7-8经验分享：使用自定义的定制化分割器来提高召回准确度2
│ ├── [101M] 7-9扩展：集成Milvus作为向量数据库上
│ └── [ 92M] 7-10扩展：集成Milvus作为向量数据库下
└── 第8章 实战二：告别SQL！构建你的“自然语言”BI系统引擎（下）/
├── [ 16M] 8-1绘制智能BI报表问答系统的“执行图纸”：Graph工作流全链路设计
├── [103M] 8-2SQL生成节点开发-前置数据库脚本执行
├── [ 75M] 8-3SQL生成节点开发-节点逻辑梳理
├── [ 96M] 8-4SQL生成节点开发-Prompt提示词编写
├── [139M] 8-5SQL生成节点开发-实现Rag召回以及LLM对话
├── [128M] 8-6SQL生成节点开发-源码查看和节点执行测试
├── [ 13M] 8-7问题点：用户的提问不标准如何让AI更好的理解用户的意思？
├── [118M] 8-8解决方案：使用自动提示工程以及多种Prompt技术实现提高召回率
├── [ 62M] 8-9问题点：有没有什么安全隐患？你是如何解决这个问题的&
└── [ 83M] 8-10解决方案：使用Prompt优化来增加部分安全性
└── 资料/
