Appearance
学习地图：先确定你要走哪条路
1. 本节产出
读完能在 3 分钟内确定适合自己的学习路径，拿到一份按天排好的阅读顺序表，并知道哪些章节可以直接跳过。
2. 前置依赖
无。这是全站起点。
3. 为什么需要这张地图
Java 工程师学 AI 落地，最常见的三种走法，三种都会卡住：
| 走法 | 现象 | 卡在哪 |
|---|---|---|
| 从 Python 教程入门 | 学 LangChain、LlamaIndex，抄代码能跑 | 回到公司要落地到 Java 系统，一切重来，等于没学 |
| 从 Prompt 技巧入门 | 收藏一堆提示词模板 | 提示词不是工程，解决不了检索质量、成本、稳定性 |
| 从模型原理入门 | 看 Transformer、微调、LoRA | 90% 的业务场景用不到微调，学完还是做不出东西 |
这门课的前提是：你已经会 Spring Boot。目标是让你用已有的工程能力，把 LLM 变成系统里一个可靠的组件。所以路线是「先跑通 → 再质量 → 再可靠性 → 最后平台化」，而不是按 AI 知识体系从底往上排。
4. 核心原理：五篇内容的关系
整个知识库是一条依赖链，箭头表示「学完这个才能学那个」：
00 启航（环境与认知）
↓
01 Spring AI 上手（能调用模型、能用工具、能记住上下文）
↓
02 RAG 工程化（让模型用你自己的数据回答）← 主力，内容最多
↓
03 Agent 与编排（让模型自己决定调用什么、循环几轮）← 差异化的壁垒在 03B
↓
04 平台化（网关、多租户、成本、合规）← 更像架构方案，偏企业内训一个判断：如果你的目标是「半年内在公司落地一个 AI 功能」，01 + 02 就够；如果你想成为公司里那个「能扛 AI 架构的人」，03B 可靠性 是必须啃下来的部分——因为市面上讲 Agent 的课都只讲到「怎么让模型调工具」，没人讲「Agent 在生产里怎么不死」。
5. 操作步骤：四条路径怎么选
先回答一个问题：你现在手上有具体的落地场景吗？
- 有 → 走 A 或 B
- 没有 → 走 B，边学边造一个场景（推荐内部文档问答，最容易出成果）
路径 A · 七天快速见效
适合：老板给了两周时间要做个 Demo；或者需要先验证可行性
| 天 | 内容 | 产出 |
|---|---|---|
| D1 | 00-02 环境准备、00-03 版本矩阵 | 本地能调通一次真实调用 |
| D2 | 01-01 概念、01-02 第一个 ChatClient | 一个能对话的 Spring Boot 服务 |
| D3 | 01-04 流式、01-06 记忆 | 带打字机效果、能记住上下文的聊天页 |
| D4 | 01-07 工具调用 | 模型能查你们的业务接口 |
| D5 | 02-01/02-02 架构与选型、02-03 文档解析、02-04 切分 | 文档能进库 |
| D6 | 02-07 元数据、02-09 混合检索、02-11 引用拒答 | 能问答并带来源 |
| D7 | 02-19 可观测、收尾 | 可演示版本 + 一份成本估算 |
提示：路径 A 会跳过原理与优化，交付物是「能演示」，不是「能上线」。演示完想上生产，回头补 02C 生产化部分。
路径 B · 六周系统进阶（推荐）
适合：Java 后端 / 想要完整能力
| 周 | 篇章 | 重点章节 |
|---|---|---|
| W1 | 00 全部 + 01 前 6 章 | 打通调用、流式、记忆 |
| W2 | 01 后 6 章 + 02A 基础链路 1-5 | 工具、结构化输出、RAG 入库链路 |
| W3 | 02A 6-7 + 02B 检索质量 8-11 | 元数据设计、混合检索、Rerank、引用拒答 |
| W4 | 02B 12-13 + 02C 生产化 14-17 | 查询改写、多租户、增量更新、缓存、评测 |
| W5 | 02C 18-22 | 成本治理、可观测、完整项目收尾 |
| W6 | 03A 单 Agent 1-6 | ReAct、多 Agent 模式、状态持久化、HITL |
路径 C · 架构师 / 技术负责人（10 周）
在路径 B 基础上加：
| 补充篇章 | 为什么你必须看 |
|---|---|
| 03B 可靠性全篇（07-13） | 超时、熔断、循环检测、权限沙箱、审计——这是 Agent 上生产的分水岭 |
| 04 平台化全篇 | 选型、网关、配额、合规、成本模型的汇报材料都在这 |
| 02-17 评测体系 | 没有评测集就没有验收标准，也没法和业务方对齐预期 |
提示：路径 C 的产出不是代码，是一份能说服人的技术方案。每看完一篇，试着写一页 ADR（架构决策记录），这是最直接的内训素材。
路径 D · 只要代码（2 天）
适合：评估这 technology 值不值得投入；或者只需要参考实现
git clone <repo> && cd demos/rag-enterprise-starter
cp .env.example .env # 填你的 API Key
docker compose up -d # 起 PGVector + Redis
mvn spring-boot:run
# 打开 http://localhost:8080跑起来后如果打算深入，按「逆向阅读」走：先看运行日志理解一次调用经过哪些组件，再回到 02-01 架构全景，理解会快很多。
6. 验证清单：怎么确认自己走对了
对着下面这张表自查，落地前最好三项都满足：
| 检查项 | 不满足会怎样 |
|---|---|
| 能说清一次问答经过了哪些组件 | 出问题时无法定位是检索还是生成的问题 |
| 能估算一次调用大概多少钱 | 上线后容易被账单教育 |
| 知道一个工具调用失败时系统会怎样 | Agent 跑飞时只能重启了事 |
7. 生产避坑
- 别并行学两套框架。同时看 LangChain 和 Spring AI，两边类名相似语义不同，一周后脑子里全是混的。选定一套先通到底。
- 别在没跑通最小 Demo 之前看架构篇。04 篇的内容脱离体感，看完了只会记住术语。
- 别用公司真实数据做第一个练习。用公开文档或自造的假数据，避免数据合规问题，也能让你专注在技术上。
8. 延伸与锚点
- 思考题：你手上要落地的那个场景，属于「检索为主」还是「调用工具为主」？前者重点攻 02 篇，后者重点攻 03 篇。
- 下一章：00-02 环境准备
- 无论走哪条路径，下一章都必读。