Java+AI落地实战-第2章 Java AI开发核心链路解析：LLM、RAG、FunctionCall、ToolCall、Skills、Agent与MCP技术体系.pptxVIP

JavaAI开发核心链路解析LLM、RAG、FunctionCall、ToolCall、Skills、Agent与MCP技术体系讲师：资深AI架构师

课程目录01核心概念解析系统拆解LLM、RAG、FunctionCall、ToolCall、Skills、Agent、MCP等关键技术术语，厘清大模型应用的基础逻辑。02实战案例：智能天气助手从零构建一个能自主调用外部工具的智能天气助手，通过实际编码掌握Agent工具调用的核心流程与实现细节。03技术对比与选型指南深度对比Java生态主流框架LangChain4j与SpringAI，从架构设计、功能特性及适用场景维度提供选型建议。04常见问题与排查剖析大模型应用开发中的性能瓶颈、系统可靠性风险及复杂场景下的调试技巧，提供针对性的解决方案。05总结与未来展望回顾课程核心知识体系，探讨大模型Agent技术的演进趋势，以及在企业级应用中的未来发展方向与潜力。06课后实操与拓展任务通过进阶任务巩固学习成果，动手完成智能助手的功能扩展与云端部署，实现从理论到实践的完整闭环。

01.核心概念解析JAVAAI开发实战·从底层原理到工程落地

LLM：AI应用的大脑Java开发者的角色定位作为企业级应用的构建者，通过API调用或私有化部署集成LLM能力，重点在于封装AI接口、保障系统稳定性与数据安全，打造可落地的智能