Java + AI 应用入门:学习顺序与验证边界
按大模型概念、Java HTTP、Spring AI 与最小 RAG 学习;每篇列明实际示例、来源和未验证范围。
6 篇当前样板 · 两个学习阶段更新于:2026-11-08
这里面向已有 Java 基础、希望开始开发 AI 应用的读者。先理解模型输入输出,再跑通调用和检索链路。当前内容覆盖入门实验,不宣称具备完整的机器学习、计算机视觉或生产级 Agent 课程。
阅读前准备
能阅读 Java 方法、异常和集合,知道 HTTP 请求与 JSON 的用途。示例固定 JDK 21、Maven 3.9.9;Spring AI 工程固定 2.0.2。第一次构建需要下载依赖,本地演示不需要模型密钥。
第一段:理解模型与执行边界
这三篇的 Java 实验分别演示预算计算、路由权重和预设执行循环,不是模型推理、训练或自主 Agent 验证。
第二段:从 Java 请求到检索问答
Java HTTP 篇复用了两次既有中转站成功请求的脱敏证据;本轮仅重新运行本地模拟测试。Spring AI 与 RAG 篇使用真实类库和固定本地响应,验证调用链与错误处理,真实模型生成质量仍需单独评估。
第一次接真实模型
跑完固定响应后,可以用同一个 ChatClient 接本地模型,看看连接成功、模型名写错和服务未启动时分别会发生什么。用 Spring AI 和 Ollama 跑通第一个 Java 大模型应用
其他历史资料
以下地址继续保留。它们不属于这次六篇样板的完整技术验收范围,版本、标题和结论应结合各篇实际说明使用。
如何判断是否完成这一轮学习
能运行本地例子并解释输出;能区分接口成功、内容正确和生产可用;能说明资料未命中或调用失败时程序如何处理。后续接入真实模型、向量数据库或工具前,应另列版本、费用与评测条件。