# ai-agent-dev-learning

**Repository Path**: oneto7/ai-agent-dev-learning

## Basic Information

- **Project Name**: ai-agent-dev-learning
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-09-13
- **Last Updated**: 2026-09-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI Agent Development Learning

> **原创开源课件** — 面向 Java 开发者的 AI Agent 系统学习路线，双栈并行 + 生产优先
>
> 共 9 阶段 · 54 课 · 10 万+ 字 · 全部文字教程（无视频）
>
> 已包含 **6 个可运行参考项目**（阶段 3-8，43 个 Java 测试全部通过）
>
> **最后一次验证：2026 年 9 月** | 依赖的框架（Spring AI、MCP SDK 等）版本会持续更新。
> **更新策略：** 我会主动维护——当主流版本发生 breaking change 或关键功能增加时，我会同步更新课程代码和说明。
> 如果发现课程内容与实际版本不一致，欢迎提 Issue / PR。

---

## 这个课程适合谁

| 人群 | 说明 |
|------|------|
| Java 后端开发者 | 有 Spring Boot 基础，想转型 AI Agent 方向 |
| 全栈开发者 | 想系统学习 RAG、Agent、MCP 协议等 AI 工程化技术 |
| 计算机专业学生 | 希望从理论走向工程实践，产出可展示的项目 |

**不需要 Python 基础**——阶段 2 从零教起，全程用 Java 对比学习。

---

## 学习路线全景

```
阶段1 ◇ Vibe Coding & 认知框架          零代码上手，建立 AI 整体认知
阶段2 ◇ Python 全栈 & AI API            Python 入门 + 第一次调通 LLM
阶段3 ◇ RAG & Agent 开发                核心转折：从"调 API"到"构建智能体"
阶段4 ◇ Harness 工程化                  模型评测 + Agent 评估 + DSH
阶段5 ◇ Java AI 工程化                  你的主场：Spring AI Alibaba
阶段6 ◇ 微服务智能体                    每个微服务都具备 AI 能力
阶段7 ◇ 企业级 AI 升级                  智能体中台 + A2A + AgentOps
阶段8 ◇ 模型微调 & 部署                  Ollama / LoRA / VLLM
阶段9 ◇ 面试 & 就业                      技术复盘 + 项目展示

两条横切主线贯穿阶段 3-9：
  【MCP 协议】入门 → Java 实现 → 微服务深度实践 → A2A 融合
  【可观测性】LangSmith 追踪 → 评估 → 生产监控 → 面试
```

---

## 快速开始

### 1. 获取 API Key

```bash
# 课程所有 LLM 调用使用 DeepSeek（国产，兼容 OpenAI 格式，注册送额度）
# 打开 https://platform.deepseek.com/api_keys → 创建 Key → 复制 sk- 开头的密钥
export LLM_API_KEY="sk-你的key"
```

### 2. 安装依赖（根据当前学习阶段选）

```bash
# Python 课程（阶段 1-3）
cd 02-python-fullstack/
pip install -r requirements.txt

# Java 课程（阶段 5-7，需要 JDK 21+）
# 根目录是一个 Spring Boot 项目，用 Maven 构建
mvn compile
```

### 3. 启动基础设施

```bash
# 向量数据库、注册中心、知识图谱等（需要 Docker）
docker compose up -d
# 包含：Milvus、pgvector、Chroma、Qdrant、Neo4j、Nacos、Redis 等 10 个服务
```

### 4. 30 秒体验一次"全流程"（可选，零依赖）

```bash
# 阶段 8 微调流水线：数据准备 → 训练计划 → 离线评测 → 部署产物，约 3 秒跑完
# 不需要 GPU、不需要 API Key——先感受完整链路，再回头逐课深入
cd 08-model-finetune/05-pipeline/demo && ./pipeline.sh
```

### 怎么学

这是纯文字课程，没有视频。**看到代码块就复制到终端跑一下，看到 curl 命令就执行看看输出。** 每个步骤都写了"怎么做→预期看到什么→看不到怎么办"。

---

## 可运行代码总览

不只讲原理——**每个核心阶段都附带可直接运行的参考实现**，全部经过实际运行验证（43 个 Java 测试全绿 + Python 端到端联调）：

| 阶段 | 项目 | 技术栈 | 验证状态 |
|:----:|------|--------|---------|
| 3 | Multi-Agent 智能客服 | Python · LangGraph · MCP | 5 个场景真实跑通 |
| 4 | 评测 Harness | Python（零 LLM 依赖即可跑） | 12 用例 + 阈值门禁 + CI 示例 |
| 5 | AI 智能仓储 WMS | Spring AI Alibaba · ChatClient · @Tool | `mvn test` 11 测试全绿 |
| 6 | 微服务 Agent（MCP 双服务） | Spring AI MCP Server/Client · Supervisor | 14 测试 + 双服务联调 |
| 7 | 智能体中台 Agent Center | 注册/心跳/灰度/Round Robin | 17 测试 + curl 全流程 |
| 8 | 微调四步流水线 | QLoRA · Ollama · vLLM | 一键端到端跑通 |

采用"**最小可运行参考版**"策略：省略传统 CRUD（内存数据替代），完整保留 AI 链路（ChatClient / @Tool / RAG / MCP / 评测 / 微调），每个项目 10~20 个文件——先跑通、再深挖。各阶段 README 末尾的"配套代码"小节可直达。

---

## 课程目录

### 阶段 1：Vibe Coding & 认知框架（3 天，5 课）

零代码快速上手，理解 AI 应用的整体架构。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | 初识智能应用开发（架构、Agent 概念、大模型弊端） | ✅ |
| 02 | 人工智能通识（模型分类、Token、Vibe Coding） | ✅ |
| 03 | 提示词工程（5 大原则、技巧、反模式） | ✅ |
| 04 | Coze + Dify 搭建智能体与知识库 | ✅ |
| 05 | MCP 协议初识 | ✅ |

**产出：** 可发布的 Coze 智能体 + Dify 知识库

### 阶段 2：Python 全栈 & AI API（5 天，5 课）

用你最熟悉的 Java 做对比，快速掌握 Python + AI API 调用。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | Python 基础（Java 对比学习） | ✅ |
| 02 | FastAPI + 异步编程（对标 Spring Boot Controller） | ✅ |
| 03 | 调用 LLM API（结构化输出、流式、Function Calling） | ✅ |
| 04 | 用 Python 实现你的第一个 MCP Server | ✅ |
| 05 | AI 聊天伴侣 + 会话管理 | ✅ |

**产出：** 带 API 的 AI 聊天后端 + MCP Server

### 阶段 3：RAG & Agent 开发（12 天，10 课）

核心课程。从"调 API"升级到"构建智能体"。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | RAG 原理与完整流水线（Load→Split→Embed→Store→Retrieve→Generate） | ✅ |
| 02 | 向量数据库选型（Milvus / pgvector / Chroma / Qdrant） | ✅ |
| 03 | LangChain 核心组件（Chain、Tool、Memory、Agent） | ✅ |
| 04 | LangGraph 工作流编排（StateGraph、Node、Edge、Checkpoint） | ✅ |
| 05 | CrewAI 多角色协作 | ✅ |
| 06 | MCP 协议深入（Python Client/Server 实现） | ✅ |
| 07 | Agent 可观测性（LangSmith 追踪与评估） | ✅ |
| 08-09 | Multi-Agent 智能客服项目（含 MCP 工具集成） | ✅ |
| 10 | Docker 部署 | ✅ |

**产出：** Multi-Agent 智能客服 + LangSmith 追踪

### 阶段 4：Harness 工程化（5 天，5 课）

理解 Agent = Model + Harness，掌握模型评测和 Agent 评估的生产实践。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | Harness 工程总论（Agent = Model + Harness、2026 全景） | 🆕 |
| 02 | 模型评测实战（lm-evaluation-harness、Benchmark 解读） | 🆕 |
| 03 | Agent Harness 架构（工具/内存/编排/安全/评估层） | 🆕 |
| 04 | 评测驱动开发（Eval-driven dev、CI 集成、回归测试） | 🆕 |
| 05 | DeepSeek Harness（DSH）深度解析 | 🆕 |

**产出：** 能独立运行模型评测、理解 Agent Harness 工程化全貌

### 阶段 5：Java AI 工程化（15 天，9 课）

Java 开发者主场——Spring AI Alibaba 深度实践。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | Java + AI 工程回顾（Spring Boot + 项目搭建） | ✅ |
| 02 | Spring AI Alibaba 入门（ChatClient 统一调用 LLM） | ✅ |
| 03 | Spring AI Alibaba 进阶（Tool Calling + Agent） | ✅ |
| 04 | Java 实现 MCP Server/Client | ✅ |
| 05 | 向量数据库 Java 集成（Milvus / pgvector 选型与代码） | ✅ |
| 06 | Agent 评估 + JUnit 测试 | ✅ |
| 07-09 | 实战项目：AI 智能仓储 WMS（Java 版） | ✅ |

**产出：** Java + AI 智能应用（带监控和测试）

### 阶段 6：微服务智能体（18 天，5 课）

微服务 + AI 深度融合——每个微服务都具备 AI 能力。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | 微服务 AI 架构设计 | ✅ |
| 02 | Spring AI Alibaba 在微服务中的深度集成 | ✅ |
| 03 | MCP 在微服务中的深度应用（MCP Gateway、负载均衡、流控） | ✅ |
| 04 | Agent 编排服务（Supervisor + Worker 模式） | ✅ |
| 05 | Agent 监控与评估（Tracing + Metrics + 质量评估） | ✅ |

**产出：** 完整的微服务 AI 系统（带可观测性）

### 阶段 7：企业级 AI 升级（10 天，5 课）

从"能用"到"好用"——生产级 AI 基础设施。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | 企业级升级总览（GraphRAG + 智能体中台 + 模型微调） | ✅ |
| 02 | 智能体中台 Agent Center（注册、发现、调度、监控） | ✅ |
| 03 | MCP + A2A 协议融合（Agent 间通信） | ✅ |
| 04 | AgentOps 生产运维（指标采集、链路追踪、告警、成本控制） | ✅ |
| 05 | Agent 安全（Prompt 注入防护、鉴权、脱敏、审计、出境） | ✅ |

**产出：** 智能体中台 + AgentOps 运维体系

### 阶段 8：模型微调 & 部署（5 天，5 课）

本地运行模型、LoRA 微调、生产部署。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | Ollama 本地模型运行 | ✅ |
| 02 | LoRA 微调实战 | ✅ |
| 03 | VLLM 生产级部署 | ✅ |
| 04 | 模型评估（LLM-as-Judge） | ✅ |
| 05 | 端到端流水线（数据→训练→评估→部署） | ✅ |

**产出：** 微调后的模型 + API 服务

### 阶段 9：面试 & 就业（5 天，5 课）

系统复盘阶段 1-8，对标 50 道企业面试题。

| 章节 | 内容 | 状态 |
|:----:|------|:----:|
| 01 | AI 通识面试（Token、幻觉、上下文窗口、选型） | ✅ |
| 02 | Agent 工程面试（LangGraph、工具调用、死循环、测试） | ✅ |
| 03 | MCP/A2A 协议面试 | ✅ |
| 04 | Java AI 面试（Spring AI Alibaba、微服务集成） | ✅ |
| 05 | 项目展示（10 分钟演讲框架） | ✅ |

---

## 9 个阶段产出物一览

| 阶段 | 产出 | 验证方式 |
|:----:|------|---------|
| 1 | Coze 智能体 + Dify 知识库 | 平台发布 |
| 2 | AI 聊天后端 + MCP Server | curl 调用 |
| 3 | Multi-Agent 智能客服 | curl + LangSmith 追踪 |
| 4 | Harness 工程化 | 运行评测 |
| 5 | Java AI 应用 + WMS 项目 | 启动验证 |
| 6 | 微服务 AI 系统（4-5 服务） | 多服务启动验证 |
| 7 | 智能体中台 + AgentOps | API 验证 |
| 8 | 本地模型 + LoRA + VLLM 服务 | curl 调用 |
| 9 | 面试准备 + 项目展示 | 面试能讲 |

---

## 配套资源

| 资源 | 路径 |
|------|------|
| 技术栈全景图 | [docs/tech-stack-landscape-2026.md](docs/tech-stack-landscape-2026.md) |
| 基础设施一键启动 | [docker-compose.yml](docker-compose.yml)（10 个服务） |
| 环境变量模板 | [.env.example](.env.example) |
| Python 依赖 | 各阶段目录下的 `requirements.txt` |
| 练习答案 | 阶段 2-3 的 `practice-answers.md` |
| 仓库规范与协作说明 | [AGENTS.md](AGENTS.md)（项目结构、构建命令、提交规范） |

---

## 项目体系

自学者没有商业项目的源码，所以这个课程设计了**完整的项目链路**——每个阶段产出可展示的成果，从零代码到生产运维。

```
阶段1: Coze 智能体（平台搭建，零代码）
阶段2: AI 聊天后端（自己写，约 300 行）
阶段3: Multi-Agent 客服系统（LangGraph + MCP）
阶段4: Harness 工程化（模型评测 + Agent 评估）
阶段5: AI 智能仓储（Java + Spring AI Alibaba）
阶段6: 微服务 AI 系统（Spring Cloud Alibaba）
阶段7: 智能体中台（Agent Center + A2A + AgentOps）
阶段8: 模型微调 + 推理服务（LoRA + VLLM）
阶段9: 面试准备 + 项目展示
```

所有代码提交到 GitHub，就是最好的简历。

---

## 许可

本项目基于 [Apache License 2.0](LICENSE) 开源——可自由用于学习、修改与教学。
有问题提 Issue，有想法提 PR。

---

> 笔记/代码由 AI 辅助生成 + 人工验证

---

## 附录：技术栈参考

### AI Agent 四层架构

```
第4层：Agent 产品/应用层     Cursor / Claude Code / 客服Agent / 行业智能体
第3层：低代码/无代码平台       Dify / Coze / FastGPT / RAGFlow
第2层：开发框架 & 编排层       Python 生态 · Java 生态 · .NET / TS 生态
第1层：基础能力层             RAG引擎 / 向量DB / MCP协议 / A2A / 模型服务化 / 可观测性
第0层：大模型                 GPT-5.5 / DeepSeek V4 / Claude / Qwen3 / GLM-5.2
```

### 开发框架选型

| 生态 | 框架 | 定位 |
|------|------|------|
| **Python** | LangChain + LangGraph | 通用 Agent 编排 + 状态机工作流 |
| **Python** | CrewAI | 多角色快速原型 |
| **Java** | Spring AI Alibaba | Spring 生态 AI 集成（本课程推荐） |
| **Java** | LangChain4j | 框架中立的 Java AI 工具箱 |

### 向量数据库选型

| 产品 | 规模 | 特点 |
|------|------|------|
| Milvus | 亿级以上 | 生产级，存算分离，GPU加速 |
| pgvector | <1亿 | PostgreSQL 扩展，零额外运维 |
| Chroma | 百万级以下 | 轻量原型，pip install 即用 |
| Qdrant | 千万~亿级 | Rust 编写，高性能 |

### 模型服务化

| 工具 | 适用 |
|------|------|
| Ollama | 本地开发实验 |
| VLLM | 生产高并发部署 |

### MCP + A2A

```
MCP（Model Context Protocol）：AI 工具调用的标准化协议（纵向：AI→工具）
A2A（Agent-to-Agent Protocol）：Agent 间通信协议（横向：Agent→Agent）
两者互补：MCP 是"手"，A2A 是"嘴"
```

### 可观测性

| 工具 | 定位 |
|------|------|
| LangSmith | Agent 追踪 + 评估 + 监控 |
| Micrometer + Prometheus + Grafana | Java 应用指标采集与可视化 |
| OpenTelemetry | 分布式链路追踪 |