AI 编程技术入门指南

掌握 AI 开发框架，成为企业招聘的香饽饽

你好，我是程序员鱼皮。

作为程序员，咱们不光要会用 AI 工具、能利用 AI 开发项目，还要能够自主开发 AI 项目，把 AI 的能力接入到自己的项目中。

有句话说得好：AI 时代，所有的传统业务都值得利用 AI 重塑一遍。

所以现在很多公司都在招能够开发 AI 项目的程序员，这也是我们的机会。那么我们要学习哪些知识和技术，才能成为企业招聘的香饽饽呢？

⭐️ 推荐观看视频版：https://www.bilibili.com/video/BV1i9Z8YhEja

一、AI 开发框架

首先从技术角度出发，我们要学习主流的 AI 开发框架。目前 Java 方向最火的就是 Spring AI 和 LangChain4j。

Spring AI

Spring AI 是 Spring 官方推出的 AI 开发框架，经过 2 年的沉淀，在 2025 年 5 月正式发布了 1.0 版本。

!Spring AI 1.0 发布

Spring AI 的优势在于 更容易和主流 Java 开发框架 Spring 集成，上手难度较低。它提供了很多现成的方法来帮我们提高开发 AI 应用的效率，比如快速对接大模型、保存会话上下文、对接向量数据库实现 RAG 等等。

!Spring AI 架构

Spring AI 的核心特性包括：

大模型调用能力：统一接口支持多种主流大模型（OpenAI、Claude、通义千问等）
提示工程：提供 Prompt 和 PromptTemplate 类，方便管理提示词
会话记忆：一行代码开启对话记忆，自动处理上下文
RAG 检索增强生成：完整的 RAG 流程支持，包括文档加载、向量存储、检索优化
工具调用：通过注解快速定义工具，让 AI 调用外部服务
MCP 支持：轻松接入和开发 MCP 服务

举个例子，使用 Spring AI 调用大模型，只需要几行代码：

``java // 使用 Spring AI 调用大模型 @Bean public ChatClient chatClient(ChatModel chatModel) { return ChatClient.builder(chatModel).build(); }

public String doChat(String message) { return chatClient.prompt(message).call().content(); }`


如果不使用 Spring AI，你就需要自己编写 HTTP 请求、解析响应，麻烦很多。
Spring AI Alibaba
Spring AI Alibaba 是阿里巴巴基于 Spring AI 推出的国内版本，专门针对国内的 AI 生态做了优化。
它的优势在于：

更好地支持国内的大模型（通义千问、百度文心一言等）
提供了中文文档和技术支持
针对国内网络环境做了优化
有阿里云的生态支持

如果你主要使用国内的 AI 服务，Spring AI Alibaba 会是更好的选择。
LangChain4j
LangChain4j 是另一个主流的 Java AI 开发框架，它的特点是 更灵活，更适合开发复杂的智能体。
比如在开发一个智能文档分析系统时，利用 LangChain4j，智能体能够自动读取文档内容，调用搜索引擎获取相关背景知识，然后根据任务需求，将文档信息与外部知识结合，生成分析报告。
LangChain4j 的核心特性包括：

AI Service：声明式开发，通过注解快速构建 AI 服务
会话记忆：支持多种会话记忆策略和持久化
结构化输出：自动将 AI 输出转换为 Java 对象
RAG 支持：完整的 RAG 流程，支持多种向量数据库
工具调用：灵活的工具定义和调用机制
护轨机制：输入输出拦截器，增强安全性

举个例子，使用 LangChain4j 的 AI Service：

java @AiService public interface AiCodeHelperService { @SystemMessage(fromResource = "system-prompt.txt") String chat(String userMessage); }`

只需要定义接口和注解，框架会自动生成实现类，非常方便。

如何选择框架？

场景	推荐框架	优势
Java 企业应用	Spring AI	无缝集成 Spring 生态
国内 AI 服务	Spring AI Alibaba	更好支持国内大模型
智能体开发	LangChain4j	完整 Agent 工具链
复杂工作流	LangGraph（进阶）	可视化编排

我的建议是，两个都要学，先从 Spring AI 学起，再学 LangChain4j 会更简单。很多概念和用法是相通的，学会一个，另一个也能快速上手。

二、AI 集成

开发 AI 应用的前提是要有大模型，但是大模型要消耗算力才能运行，算力就是金钱。从哪儿搞来大模型呢？

有 2 种方法：使用 AI 云服务、或者本地部署大模型。

AI 云服务

AI 云服务就是其他企业为我们部署了 AI 大模型，通过 API 接口的方式提供给我们使用，按量计费。

比如阿里云百炼、火山引擎、硅基流动、OpenAI 等等。

!AI 云服务

咱们程序员需要重点掌握的是：

如何通过 API 接入云服务？
如何使用 AI 云服务来创建智能体和配置参数？
如何选择合适的云服务？这就需要关注各家云服务的计费模式和服务质量
如何更低成本、更稳定地使用云服务？这就需要我们学习 Prompt 工程和高可用技术

本地部署大模型

本地部署大模型对于很多企业来说也是刚需，数据无需上传至云端，能够有效保障数据的安全性和隐私性，尤其适用于医疗、金融等对数据安全极为敏感的行业。

本地部署大模型其实并不难，只需要使用 Ollama 工具就可以一键部署各种主流的开源模型。

!Ollama

唉，但部署大模型的难度不在于技术啊，主要是没算力啊！不然我也给我们团队的编程导航和面试鸭都来一套鱼皮大模型了。

三、AI 领域业务

企业中的 AI 业务开发，可不仅仅是来个 AI 对话就够了，咱们还要掌握几种更复杂的业务开发，比如 RAG 知识库、多模态、MCP 服务、ReAct 智能体。

RAG 知识库

很多公司都有属于自己的业务知识和文档，会构建自己的问答系统或客服，这就要用到 RAG 检索增强生成技术。

先通过文本嵌入模型，将企业各种文档转化为向量，存入向量数据库；当用户提问时，系统在向量数据库检索相关向量数据，找到最相似文档片段，和问题一起输入大模型处理。这样一来，大模型能够基于企业真实数据作答，更准确贴合实际。

!RAG 流程

关于 RAG 能学的知识可太多了，比如主流的向量数据库 Milvus 和 PGVector、文档的抽取 / 转换 / 加载、索引的构建、查询策略的优化等等。这也是 AI 企业面试的重点！

多模态

多模态也是主流的 AI 业务场景，即融合文本、图像、音频、视频等多种不同类型的数据模态，从而提高产品使用的易用性，做出更多有创意的功能。

比如做个智能导购系统，顾客既可以输入文字描述想要的商品，系统也能识别顾客上传的商品图片，甚至可以理解顾客通过语音提出的购物需求。

!多模态

想开发多模态应用，咱们要学习模态转换技术，比如文本转语音（TTS）、语音转文本（STT）、光学字符识别（OCR）等。不过这些都有现成的工具库或者云服务，掌握调用方法就行。

MCP 服务

MCP（Model Context Protocol，模型上下文协议）可以理解为提供给 AI 的各种服务，AI 利用这些服务能够实现更强大的功能。

!MCP

如何在项目中接入别人的 MCP 服务，来增强自己的项目能力；以及如何开发自己的 MCP 服务，让别人的项目使用，都是必须要学习的。

现在使用 Spring AI 等开发框架就可以开发 MCP 服务，而且甚至有高手做了个网站，能够一句话创建自己的 MCP 服务，这真的是泰裤辣。

!MCP 生成

ReAct 智能体

ReAct 是一种构建智能体的开发范式，目的是打造能够依据推理结果自主采取行动的智能体。

它的开发过程会涉及到任务规划、工具调用、交互 I/O、异常处理等知识。尤其是工具调用，可以通过 Function Call 或 MCP 实现像天气查询、文件读写、网页运行、信息检索、终端命令执行等功能。

!ReAct 智能体

就拿开发视频网站为例，用户说了 “帮我开发一个 Dilidili 视频网站并部署上线” 的指令时，智能体首先会深入理解任务内容，通过推理梳理出一系列执行步骤，包括明确需求、设计方案、搭建框架、生成代码、部署上线等。接下来，智能体就会调用相应的工具来执行这些行动。

!智能体工作流

四、AI 工具链

最后就是我们开发 AI 项目时可能会用到的一些平台、工具和类库了。

低代码平台

比如主流的低代码 AI 开发平台 Dify，可以让我们通过拖拉拽的方式构建自己的 AI 智能体，创建知识库并导入自己的文档，搭建复杂的工作流等等。就哪怕你不会写代码，都能用它搞出复杂的 AI 应用。

!Dify

工具库

还有一些开发 AI 智能体时会用到的工具库，比如：

Apache Tika：功能强大的文件解析器工具库，支持解析 PDF、Word、Excel、PowerPoint 等各种文档
Playwright：用于模拟浏览器行为的工具库，AI 需要运行网页、抓取网页数据、自动化测试时都能派上用场
JSON 格式解析库：GSON 和 Kryo
HTML 文档解析库：jsoup

这些类库基本没什么学习成本，要用的时候看文档就好了。

部署工具

项目最终是要部署上线的嘛，所以我们还要掌握高效的部署工具。如果是个人学习使用、想快速上线自己的 AI 小应用，可以试试下面这些平台：

Vercel：适合前端应用的部署平台，支持自动构建、在线浏览、CDN 分发，而且还免费提供可访问的域名
Sealos：云原生应用管理平台，支持 Kubernetes 集群管理
Railway：能让开发人员轻松部署 Docker 容器，无需操心服务器配置与运维

当然，想快速部署服务，Docker 容器化技术也是必须要学习的，就像 APP 的安装包一样，能够轻松分发和部署你的应用程序。

!Docker

五、学习资源推荐

怎么样，要学的东西还是挺多的吧。别担心，我也在持续学习这些内容并且会持续分享给大家。

1、AI 学习路线

完整的 AI 大模型应用开发学习路线可以在编程导航获取：

网址：https://www.codefather.cn/learn

!AI 学习路线

2、AI 项目实战

在编程导航上，我带大家做了多套 AI 项目教程，涵盖了上面提到的几乎所有技术：

AI 编程助手：LangChain4j 框架入门，实战对话记忆、结构化输出、RAG、工具调用、MCP、SSE 等
AI 超级智能体：Spring AI 框架入门，实战 AI 恋爱大师应用 + 自主规划能力的超级智能体
AI 零代码应用生成平台：LangChain4j AI 智能体、LangGraph4j 工作流、微服务架构
AI 答题应用平台：React 跨端小程序、Vue3 AI 应用、分库分表、SSE 实时推送

这些项目都是企业级的真实项目，做完后可以直接写进简历。

3、开源项目

我也开源了不少 AI 应用开发项目，分享给大家：

AI 应用生成平台：https://github.com/liyupi/yu-ai-code-mother
AI 超级智能体：https://github.com/liyupi/yu-ai-agent
AI 文献阅读助手：https://github.com/liyupi/literature-assistant
AI 知识库：https://github.com/liyupi/ai-guide

4、AI 知识库

在我免费开源的 AI 知识库中，汇总收集了最新最全的 AI 知识，帮助大家更好地适应 AI 时代的到来。

网址：https://ai.codefather.cn

里面除了各种教程资料外，也重点给大家分享了很多 AI 工具的具体应用场景，比如接入办公软件提升效率、帮你做自媒体、AI 批量制作视频等，希望帮助大家举一反三，找到新的思路。

写在最后

AI 技术发展日新月异，对程序员的要求也在不断提高。AI 相关知识不再只是算法工程师需要了解，而是每个程序员都必须掌握的基本技能。

无论你是前端、后端还是全栈开发者，都需要了解 AI 应用开发的基本概念和实践方法。

因为未来的软件开发，AI 将无处不在。

如果你问我 AI 会淘汰程序员么？

我的答案仍然是 “会”。因为程序员本身就是需要持续学习和实践来保持竞争力的，只要大家能够学会我提到的这些知识，多关注 AI 的前沿资讯，相信 AI 不会抢走咱们程序员的饭碗，而是成为咱们改造世界的杠杆。

04 AI 编程技术