这是一套综合前后端 + Dev-Ops，基于 Spring Ai 框架实现，Ai Agent 智能体。耗时7个多月，38节课程（视频+文档），从 RAG 到 MCP，再实现出互联网企业级，可编排的 Ai Agent 智能体，现已全部开发完成 + 部署上线。💐

这套项目，比互联网企业，起步的还早，完成的还快！

讲个我的经历；前年我在公司里分享了 OpenAi 的场景使用，实现了代码自动评审。去年又分享了 RAG、MCP（年尾刚开始发布 MCP 协议），告诉大家这类技术如何结合场景落地，领导说：“你研究的挺深呀！“。今年公司也开始成立一个虚拟组，来结合 AI + 业务，领导让我作为小组的技术指导。—— 这些年，这些技术，我一直走的很靠前，所以也有很多很多的机会。机会，等于晋升 + 涨薪😄

AI 不会替代研发，但是会给研发的能力进行加成，让研发在进行需求分析、工程设计、编码实现、单测编写、服务验证等场景时，都可以通过 AI 提效。但 AI 不会让研发更轻松，反而会有更多的工作量进来。不过，越往后来看，不会 AI 应用，不具备 AI 场景开发，肯定会缺少竞争力。

我能学到什么？

首先，这是一整套从0到1，包含前后端 + DevOps 的综合实战项目，全程文档 + 视频，带着实现的 AI Agent 智能体项目。所以，你可以非常完整的学习到关于 AI Agent 智能体的全部内容，让你具备企业级项目开发能力。

• 积累 Spring AI 框架应用开发能力，同时 Alibaba 提供的 AI 框架，与此框架具有通用性（已有伙伴进入到阿里 AI 应用场景开发）。
• 掌握 AI Agent 开发能力，包括；顾问角色（RAG、记忆上下文）、MCP 工具服务、Model 对话模型（API）等。
• 学习 AI Agent 多类执行设计模式，包括；固定链路模式、动态决策模式、规划分析模式。学习后，可以自行设计其他类型执行模式。
• 拓展设计模式；规则树（组合模式），在复杂场景的运用。解决多类型数据加载和对话过程链路处理。
• 掌握一套可视化链路编排运用能力，通过前端页面的拖拉拽操作，完成 AI Agent 智能体的动态配置、加载和使用（非常丝滑）。
• 掌握 RAG、MCP 的开发能力，对 MCP 可以自己实现一套任意场景的客户端和服务端进行对接。如，你自己有一个Xxx商城，也可以对下单接口包装出下单-MCP服务。
• 基于 Spring 源码，自定义一套轻量任务执行器，把配置的 AI Agent 动态刷新到任务中心自动化执行。
• 积累应用设计经验，面向对象开发，在整个工程实现中，都有非常干净，清晰，具备高内聚，低耦合，有单一职责的逻辑体现。

适合哪些伙伴？

• 需要快速🔜写到简历，用于秋招/社招面试（可以只刷第3阶段，1周写到简历，2周完成学习）。
• 对 AI Agent 智能体感兴趣，但不知道如何自己实现一套的。
• 希望提高自己的架构设计思维，设计模式运用的。
• 增强核心竞争力，储备一些非业务的核心技术类知识的。

项目运行效果

本项目分为，用户端、管理端和服务端，服务端统一提供接口能力，管理端维护 AI Agent 智能体配置、用户端提供使用服务。

1. 登录界面

• 这一部分在数据库表增加了 admin_user 表，有配置登录账号和密码，可以简单做校验。

2. 管理界面

• 管理后台目前提供了，代理管理（拖拉拽编排方式配置智能体），资源管理（model、client、mcp、advisor、prompt）
• 数据分析、系统设置，是样例，你可以继续扩展你所需要的内容。

3. 代理管理

3.1 代理列表

• 这里的代理列表，就是通过拖拉拽配置的智能体。可以点击【查看】看到明细，也可以【新建】，还可以删除。
• 点击【加载】则是调用服务端，把数据加载到 Spring 容器，之后就可以使用了。

3.2 代理配置

• 当你点击一个代理配置，则会展示出拖拉拽的数据到页面上。这部分会从数据库读取，之后展示出来，全部可视化。
• 如果你点击了Save则会做出一份新的，之后对于旧的，你可以自己手动删除。

4. 资源管理

• 资源管理下，是配置一个智能体所需的各项资源信息，你可以在这里进行维护。如，MCP 工具管理。

5. 页面使用

5.1 对话交流

5.2 场景解析

5.3 监控分析

• 配置后的智能体，可以在智能体选择里进行获取使用。之后进行提问。
• 效果还不错，这里小傅哥验证了配置的智能体进行提问。

关于系统设计

本套系统设计，也是花费了非常大的心思。

1. 执行流程

在整个 Ai Agent 的实现中，小傅哥带着大家分析设计了4种方案，包括；固定执行的、循环执行的、智能分析决策的还有一个按照步骤规划的。这些流程都有适合于自己业务场景使用。在代码中也都有不同方案的实现，之后通过用户选择后进行动态化的策略调度。

2. 核心动作

2.1 数据装配

• 首先，以构建 AiClientNode 的对话客户端为目的，已经完成了相关的元素实例化步骤。本节这里要处理的是，顾问角色的构建，以及构建 AiClientNode 节点。
• 之后，AiClientNode 的构建，是关联了其他各项元素的，所以在构建时，需要在 AiClientNode 节点，从 Spring 容器通过 getBean 的方式，检索到对应的各项元素。

2.2 动态调度

• 这里会根据用户的请求，进行策略路由，找到所需的 Ai Agent 执行策略进行处理。这里小傅哥也有意加入不同的策略，让大家可以看到很多的 Ai Agent 设计思路。

2.3 执行策略（01）

• 以程序启动为开始，进行自动化装配。这个过程我们先把一些想预先启动的数据库中的 agent 配置所需的 client 客户端进行服务初始化。之后写入到 Spring 容器，方便在执行 Agent 时进行使用。前面有伙伴问，为什么把实例化的对象写入到 Spring 容器，这里就是原因
• 客户端（UI），进行 POST 接口请求，这个过程需要封装一个 SSE 流式响应的接口，让 Step 1~4 各个执行步骤，把过程信息写入到流式接口。这里要注意，需要给接口返回的对象添加上对应的类型（什么步骤、什么节点、什么过程），以便于反馈给用户 Agent 在做什么。

2.4 执行策略（02）

• 这是其中的一种 Ai Agent 执行策略方式，通过用户的提问进行分析、规划、列出执行步骤，之后依次执行。
• 所有的这些实现都有相应的代码，带着大家使用规则树框架清晰的实现出来。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】