学习时长: 6 个月
学习方向: 全方向 (智能体 + RAG + 生成 + 微调 + 企业应用)
学习风格: 实战导向 + 理解原理
语言基础: Java (Spring Boot 为主) + Python (辅助 AI)

---

第 1 阶段: 基础打炼 (第 1 个月)

目标

了解 AI 大模型的基础原理和整体技术场景，能够独立调用开源模型 API 进行一个小实验项目。

关键知识点

• AI 大模型概念：LLM、Transformer、Token、Prompt

• NLP 基础：文本分词、向量表示、Embedding

• 主流模型介绍：GPT、Claude、Gemini、Qwen、Yi、GLM

• AI API 调用基础：OpenAI SDK / DashScope / SiliconFlow

实战项目

• ✅ 使用 Java + Spring Boot 调用 OpenAI API 实现一个 ChatBot

• ✅ 使用 Python + FastAPI 调用 Ollama 本地模型

工具与框架

• Postman / Insomnia (调试模型 API)

• Spring AI / OpenAI Java SDK

• Ollama / LM Studio (本地模型)

资源

• OpenAI API Docs

• LangChain Docs

• Spring AI

---

第 2 阶段: RAG 与知识库 (第 2~3 个月)

目标

熟悉 Retrieval-Augmented Generation (RAG) 架构，能构建自己的知识问答系统。

关键知识点

• 文本分段与向量化

• Embedding 算法：text-embedding-3-small / bge-m3

• 向量库选型：Milvus / Faiss / pgvector

• RAG 流程：Retrieval 和 Generation 组合

• 知识问答策略：Top-K 检索、Prompt 添加与策略

实战项目

• ✅ 企业知识问答系统 (Java + Spring Boot + Milvus + LangChain4j)

• ✅ 私人文档 Q&A 助手 (Python + FastAPI + FAISS + Ollama)

工具与框架

• LangChain / LangChain4j

• Milvus / pgvector / Weaviate

• PaddleNLP / HuggingFace Embeddings

资源

• LangChain4j Docs

• Milvus Docs

• RAG Paper (DeepMind)

---

第 3 阶段: AI 智能体和 Agent (第 4 个月)

目标

了解智能体和代理 (Agent) 的框架思想，能构建自动化处理流程的 AI 系统。

关键知识点

• Agent 核心概念：内在状态、任务解析、工具调用

• 智能体策略模式：解析-计划-执行

• LangChain Agents / Semantic Kernel / CrewAI

• 资源管理与实时状态调度

实战项目

• ✅ Java + Spring AI 实现 “AI 助手” (自动下单 / 知识检索)

• ✅ Python + LangChain 构建 “AI 终端助手” (能自我修改 Prompt)

工具与框架

• LangChain / CrewAI / Semantic Kernel

• Spring AI / OpenDevin

• Function Calling / Tool Use

---

第 4 阶段: 模型微调与部署 (第 5 个月)

目标

掌握 LoRA / QLoRA / PEFT 微调方法，能够对模型进行企业级优化应用和部署。

关键知识点

• LoRA / QLoRA / PEFT 原理

• HuggingFace Transformers 微调流程

• Fine-tuning vs. In-context Learning

• vLLM / TGI / SGLang 模型部署

实战项目

• ✅ 基于 Qwen 或 Llama3 的微调系统

• ✅ 部署 vLLM 进行本地 API 服务化

工具与框架

• HuggingFace Transformers / PEFT / BitsAndBytes

• vLLM / SGLang / Text Generation Inference

资源

• HuggingFace PEFT

• vLLM Docs

• LoRA Paper

---

第 5 阶段: 全栈 AI 应用系统 (第 6 个月)

目标

将以前所学的所有模块整合，打造一个可实际运行的 AI SaaS 系统。

实战项

• ✅ 智能知识助手 SaaS (RAG + Agent + Web UI)

• ✅ AI 生成系统 (Text2Image + TTS + Chat)

• ✅ AI Ops 自动化应用 (监控和响应系统)

技术架构

• 后端：Spring Boot / FastAPI / gRPC

• 前端：Vue3 / React + Tailwind / ChatUI

• 模型层：LangChain / vLLM / Ollama

• 运维：Docker / Kubernetes / Nginx / Prometheus

---

学习时间计划表

月份	阶段	主要目标
1 月	大模型基础	API 调用 + Prompt + 本地模型
2-3 月	RAG 与知识问答	知识库构建 + 检索生成
4 月	AI Agent 智能体	自动化 + 工具链接
5 月	微调与部署	微调模型 + vLLM 服务化
6 月	AI 实战系统	SaaS + Web + RAG + Agent + 部署

---

推荐学习资源索引

🌐 官方文档

• OpenAI Docs

• Anthropic Claude

• Google Gemini API

• HuggingFace Transformers

• LangChain & LangChain4j

• Spring AI

• vLLM

🧠 实战课程 / 视频

• Bilibili：《大模型 RAG 全栈实战》

• YouTube：《LangChain4j + Spring Boot + Milvus》

• 知乎专栏：《从 Java 到 AI 开发全流程》

🧩 工具 / 框架

• LangChain / LangChain4j / CrewAI / Semantic Kernel

• Milvus / Weaviate / pgvector

• HuggingFace / ModelScope / DashScope

• Ollama / vLLM / LM Studio

• Spring AI / FastAPI / ChatUI

---

💬 记住：模型可以忘记你的问题，但你不能做忘记自己的技术理想。
每一个 Java 开发者都有机会成为 AI 世界的影响者。🚀