Java 后端转 Agent 应用开发：50 天学习路线

更新时间：2026-08-20

适用对象：已有 Java 后端经验，希望在 50 天内形成 AI 应用开发求职能力。

最终目标：做出一个可运行、可演示、可写进简历的 Java Agent 项目，并开始投递相关岗位。

1. 先确定方向

目标岗位

AI 应用开发工程师
LLM 应用开发工程师
Agent 应用开发工程师
Java AI 应用开发工程师
智能客服、企业知识库、AI 办公应用开发工程师

核心定位

Java 后端工程师
  + 大模型调用
  + RAG 知识库
  + Tool Calling
  + Agent 工作流
  + 工程化部署

不把目标定为大模型算法工程师，暂时不投入模型训练、强化学习和复杂数学推导。

50 天内不做的事

不系统学习前端
不学习模型训练和 PyTorch
不同时学习多个 Agent 框架
不做第二个项目
不追求复杂多 Agent 平台
不把时间花在偏门八股和框架源码上

2. 固定技术栈

Java + Spring Boot + Spring AI
PostgreSQL + pgvector + Redis
SSE + Docker
RAG + Tool Calling + Agent 工作流

框架选择

第一选择：Spring AI。重点学习 ChatClient、Tool Calling、Vector Store、RAG、Memory 和 MCP。可先阅读 3.Spring AI ChatClient，再结合 Spring AI 官方文档学习。

第二选择：LangChain4j。等第一个项目完成后再了解，不作为 50 天主线。LangChain4j 官方文档

Maven 配置

第 1 天创建项目后，使用 Maven 管理依赖。当前学习项目使用 Java 21、Spring Boot 4.1.1 与 Spring AI 2.0.1；本机 Maven 为 3.9.16，路径为：

/Volumes/data/develop/apache-maven-3.9.16

项目未包含 Maven Wrapper 时，可在 IntelliJ IDEA 中将 Maven home 设置为上述路径，或直接使用本机 Maven 执行构建。不要把 API Key 写进 pom.xml 或提交到 Git。

基础 pom.xml 如下；后续学习 Redis、RAG 等能力时，再按对应章节增补依赖。

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
 
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>4.1.1</version>
        <relativePath/>
    </parent>
 
    <groupId>com.afyke</groupId>
    <artifactId>ai-agent-demo</artifactId>
    <version>0.0.1-SNAPSHOT</version>
 
    <properties>
        <java.version>21</java.version>
        <spring-ai.version>2.0.1</spring-ai.version>
    </properties>
 
    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>
 
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-webmvc</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-validation</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-model-openai</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>
 
    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>
</project>

常用命令：

mvn clean compile
mvn spring-boot:run

如果后续同时引入 WebMVC 和 WebFlux，须明确项目的 Web 技术栈；入门阶段默认只保留 WebMVC。Maven 依赖更新后，在 IDEA Maven 面板重新加载项目。

岗位参考

公开招聘中已经出现“Java 后台 + AI 应用工程”的组合，常见要求包括 Java/Spring Boot、LLM、RAG、Agent、工具调用、日志和监控。BOSS 职位示例

一些 AI 应用岗位也明确接受 Java、Python 或 Go，并要求完成 LLM 应用后端、RAG、函数/工具调用、权限和监控等工作。来源标注为 BOSS 直聘的岗位

3. 每天固定安排

每天 8 小时：

4 小时：Agent 项目开发
2 小时：Java 八股和项目复盘
1 小时：AI 原理和官方文档
1 小时：整理笔记、模拟表达和复盘

每天必须留下至少一种成果：

可运行代码
新增接口
测试用例
项目文档
面试题答案
项目演示截图

每天结束时记录：

今天完成了什么：
今天遇到什么问题：
问题是怎么解决的：
明天要完成什么：

4. 50 天每日学习清单

第 1～10 天：模型调用基础

天数	Agent 学习内容	Java 复习内容
1	了解目标岗位，搭建 Spring Boot 项目	Java 基础、集合
2	LLM、Token、上下文窗口、模型参数	HashMap、ConcurrentHashMap
3	2.大模型 API、请求参数与响应结构	异常、泛型、反射
4	3.Spring AI ChatClient	Spring IOC、DI
5	Prompt、System Prompt、Prompt 模板	Spring AOP、事务
6	结构化输出、JSON Schema	JVM 内存模型
7	SSE 流式响应	GC、类加载
8	8.会话 ID、聊天记录、Redis	线程、线程池
9	超时、重试、限流、降级	synchronized、Lock
10	10.*完成可运行聊天接口	Java 第一轮总结

第 10 天验收：能通过 Java 接口调用模型，实现流式对话，并保存会话记录。

第 11～20 天：Tool Calling

天数	Agent 学习内容	Java 复习内容
11	11.Function Calling、Tool Calling 原理	MySQL 索引
12	12.用 Java 方法定义 Tool	MySQL 事务
13	13.工具参数设计和校验	隔离级别、锁
14	14.实现订单查询工具	慢查询、SQL 优化
15	15.实现物流查询工具	Redis 数据结构
16	16.实现库存查询工具	Redis 缓存问题
17	17.多个工具自动选择	缓存击穿、穿透与雪崩
18	18.工具异常、超时、重试	Redis 分布式锁
19	权限校验和人工确认	MQ 基础
20	完成 Tool Calling 小项目	MQ 丢消息、重复消费

建议实现的工具：

queryOrderStatus：查询订单状态
queryLogistics：查询物流信息
queryInventory：查询库存
createAfterSaleTicket：创建售后工单

第 20 天验收：模型能调用真实 Java 方法；参数错误、无权限和工具异常都能被正确处理；写操作必须经过人工确认。

参考：Spring AI Tool Calling

第 21～30 天：RAG 知识库

天数	Agent 学习内容	Java 复习内容
21	RAG 原理、Embedding	MQ 顺序消息
22	PDF、Markdown 文档解析	MQ 最终一致性
23	文本清洗和切片	分布式事务
24	向量数据库、pgvector	分布式锁
25	文档向量化和入库	接口幂等
26	相似度检索	限流、熔断、降级
27	Top-K、元数据过滤	微服务调用
28	把检索内容注入 Prompt	服务雪崩
29	引用来源和防止幻觉	高并发接口设计
30	完成知识库问答	Java 第二轮总结

RAG 链路：

上传文档
  → 文档解析
  → 清洗和切片
  → Embedding
  → 向量入库
  → 相似度检索
  → Prompt 组装
  → 返回答案和引用来源

第 30 天验收：上传文档后，系统可以基于文档回答问题并返回引用来源；至少准备 20 条问题作为评测集。

参考：Spring AI RAG

第 31～40 天：Agent 工作流

天数	Agent 学习内容	Java 复习内容
31	工作流和自主 Agent 的区别	JVM 综合题
32	State 状态管理	Spring 启动流程
33	意图识别和任务路由	Spring Bean 生命周期
34	RAG 和 Tool 组合	事务传播机制
35	多步骤任务执行	MySQL 综合题
36	循环、最大步数、终止条件	Redis 综合题
37	工具失败重试和降级	MQ 综合题
38	会话记忆和中间状态	线程池实战
39	人工审批、审计日志	接口幂等实战
40	完成售后 Agent 主流程	Java 第三轮总结

主流程：

识别用户意图
  ├─ 制度问题 → RAG 检索
  ├─ 订单问题 → 查询订单
  ├─ 物流问题 → 查询物流
  └─ 售后问题 → 查询订单 → 生成工单 → 人工确认

第 40 天验收：一个问题可以连续调用多个工具，能够保存中间状态，限制最大执行次数，工具失败后不会无限循环。

第 41～50 天：部署、面试和投递

天数	Agent 学习内容	Java 复习内容
41	Docker、环境变量、配置管理	JVM 高频题
42	日志、Trace、请求链路	Spring 高频题
43	Token 成本、延迟统计	MySQL 高频题
44	RAG 评测集、回答质量	Redis 高频题
45	工具调用测试、异常测试	MQ 高频题
46	项目架构图、流程图、README	分布式综合题
47	准备 3 分钟项目介绍	Java 项目问题
48	模拟 Agent 面试	RAG、Tool Calling
49	修改简历，开始投递	系统设计题
50	完整模拟面试和项目演示	查漏补缺

第 50 天验收：拥有完整项目、项目文档、简历、3 分钟项目介绍和一轮模拟面试记录，并开始投递岗位。

5. 唯一实战项目

项目名称

企业售后与知识库 Agent

项目目标

用户可以用自然语言：

查询企业制度
查询订单状态
查询物流信息
查询库存
创建售后工单

最小功能范围

知识库

支持 PDF 或 Markdown
文档清洗、切片和向量化
基于知识库回答问题
返回引用文档和段落

业务工具

订单查询
物流查询
库存查询
售后工单创建

安全控制

用户权限校验
文档权限过滤
写操作人工确认
工具调用审计
写操作幂等
敏感信息脱敏

项目技术栈

Java、Spring Boot、Spring AI
PostgreSQL、pgvector、Redis
SSE、Docker、JWT

项目最终演示链路

用户提问
  → Agent 判断意图
  → RAG 检索或调用业务工具
  → 后端校验权限
  → 多步骤处理
  → 写操作人工确认
  → 返回结果并保存审计日志

6. Java 八股复习范围

第一优先级

JVM 内存模型、GC、类加载
HashMap、ConcurrentHashMap
线程池、锁、并发工具
Spring IOC、AOP、事务
MySQL 索引、事务、隔离级别、慢查询
Redis 数据结构、缓存击穿、穿透与雪崩

第二优先级

MQ 可靠性、重复消费、消息丢失
分布式锁
接口幂等
限流、降级、熔断
微服务调用和服务治理
高并发接口设计

面试题回答格式

先说结论
  ↓
解释原理
  ↓
结合项目场景
  ↓
说明异常情况和解决方案

不要求 50 天内背完整套八股，优先准备目标岗位最可能问到的内容。

7. Agent 面试重点

RAG

为什么使用 RAG，而不是直接把文档放进 Prompt？
文档应该如何切片？
召回结果不准确如何排查？
向量检索和关键词检索如何组合？
如何处理文档权限？
如何评测 RAG 效果？

Tool Calling

Tool Calling 的完整流程是什么？
工具参数如何校验？
如何防止模型调用没有权限的工具？
工具超时和重复调用如何处理？
写操作为什么需要人工确认？
如何保证工具幂等？

Agent 工作流

Agent 和普通聊天接口有什么区别？
什么时候使用固定工作流？
什么时候让模型自主选择工具？
如何限制循环和最大执行步数？
多 Agent 是否一定更好？
如何保存中间状态和恢复任务？

工程化

如何控制 Token 成本？
如何降低模型调用延迟？
如何记录一条完整的 Trace？
模型不可用时如何降级？
如何做内容安全和敏感数据脱敏？

8. 简历项目模板

企业售后与知识库 Agent
 
技术栈：Java、Spring Boot、Spring AI、PostgreSQL、pgvector、Redis、Docker
 
1. 基于 Spring AI 搭建企业知识库 Agent，完成 PDF/Markdown 文档解析、切片、Embedding、向量检索和引用返回。
2. 将订单查询、物流查询和售后工单封装为 Tool，实现模型根据用户意图调用 Java 业务接口。
3. 针对创建工单等写操作增加权限校验、幂等控制和人工确认机制，避免模型直接执行高风险操作。
4. 增加会话状态、Prompt 版本、工具调用日志和 RAG 评测集，支持分析回答质量、响应时间和 Token 成本。
5. 使用 Docker 完成服务和数据库部署，并通过 SSE 提供流式对话接口。

数字必须使用真实测量结果，不要虚构准确率、性能提升或用户数量。

Afyke的个人博客

探索

0-学习路线