基于 Spring AI 和 LangChain4j，构建 3 个可直接写进简历的企业级 Agent：NL2SQL、合同审查、研报生成。不讲 Java 基础，直接进工程实战。
从 AI Agent 概论出发，逐步深入 Spring AI、LangChain4j、RAG、多 Agent 协作，最终落地 3 大企业级项目。
Agent vs Chatbot、LLM 原理速览、Java AI 生态对比（Spring AI vs LangChain4j）、技术选型与环境搭建。
ChatClient、Function Calling、ChatMemory、Advisor 链、结构化输出、SSE 流式响应。
AiServices 声明式接口、@Tool 工具调用、EmbeddingStore、ChatMemoryProvider 多用户隔离。
PgVector / Chroma / Milvus 选型、文档分块策略、混合检索、Reranker、HyDE、多租户隔离。
ReAct / Plan-and-Execute / Reflection 架构模式、多 Agent 编排、LangGraph4j 状态机实战。
自然语言 → SQL → 图表 → 数据洞察。Schema 向量化、Few-shot 示例库、SQL 注入防护、ECharts 可视化。
PDF/Word 解析（Apache Tika）、条款结构化、RAG 规则检索、风险等级评估、Markdown/PDF 报告导出。
多文档融合、信息提取、数据洞察、图表生成、大纲+内容+校对多 Agent 协作，长文本编排。
Token 成本控制、模型路由、Prometheus + Grafana 监控、docker-compose 编排、CI/CD、上线 checklist。
每个项目都是完整 Spring Boot 应用，含前后端、数据库、Docker 部署。覆盖数据分析、法务、金融三大领域。
自然语言查询数据库：用户输入「上月东区销售额同比怎么算？」，Agent 自动生成 SQL、查询、生成图表、给出洞察。
上传合同 PDF/Word，Agent 解析条款、检索规则库、标注风险等级、生成审查报告，含引用溯源。
输入多份原始资料，多个 Agent 协作完成：大纲生成、内容填充、数据洞察、图表、校对，输出完整研报。
Spring AI + LangChain4j 双框架覆盖，DeepSeek / 通义千问国产模型优先，PgVector 向量库开箱即用。
← 熵减智算