作者：小傅哥
博客：bugstack.cn
沉淀、分享、成长，让自己和他人都能有所收获！😄
大家好，我是技术UP主小傅哥。
这是一套综合前后端 + Dev-Ops，基于 Spring Ai 框架实现，Ai Agent 智能体。耗时7个多月，38节课程（视频+文档），从 RAG 到 MCP，再实现出互联网企业级，可编排的 Ai Agent 智能体，现已全部开发完成 + 部署上线。💐
这套项目，比互联网企业，起步的还早，完成的还快！
讲个我的经历；前年我在公司里分享了 OpenAi 的场景使用，实现了代码自动评审。去年又分享了 RAG、MCP（年尾刚开始发布 MCP 协议），告诉大家这类技术如何结合场景落地，领导说："你研究的挺深呀！"。今年公司也开始成立一个虚拟组，来结合 AI + 业务，领导让我作为小组的技术指导。------ 这些年，这些技术，我一直走的很靠前，所以也有很多很多的机会。机会，等于晋升 + 涨薪😄
AI 不会替代研发，但是会给研发的能力进行加成，让研发在进行需求分析、工程设计、编码实现、单测编写、服务验证等场景时，都可以通过 AI 提效。但 AI 不会让研发更轻松，反而会有更多的工作量进来。不过，越往后来看，不会 AI 应用，不具备 AI 场景开发，肯定会缺少竞争力。
所以，小傅哥也一直在构建自己的技术体系完整度，形成自己的技术闭环，让自己在就业市场具备充足的竞争力。
🧧 文末提供了本套项目的完整工程代码（8个），此外还有其他的业务项目+组件项目，共计17个全部可以获取。
我能学到什么？
首先，这是一整套从0到1，包含前后端 + DevOps 的综合实战项目，全程文档 + 视频，带着实现的 AI Agent 智能体项目。所以，你可以非常完整的学习到关于 AI Agent 智能体的全部内容，让你具备企业级项目开发能力。
- 积累 Spring AI 框架应用开发能力，同时 Alibaba 提供的 AI 框架，与此框架具有通用性（已有伙伴进入到阿里 AI 应用场景开发）。
- 掌握 AI Agent 开发能力，包括；顾问角色（RAG、记忆上下文）、MCP 工具服务、Model 对话模型（API）等。
- 学习 AI Agent 多类执行设计模式，包括；固定链路模式、动态决策模式、规划分析模式。学习后，可以自行设计其他类型执行模式。
- 拓展设计模式；规则树（组合模式），在复杂场景的运用。解决多类型数据加载和对话过程链路处理。
- 掌握一套可视化链路编排运用能力，通过前端页面的拖拉拽操作，完成 AI Agent 智能体的动态配置、加载和使用（非常丝滑）。
- 掌握 RAG、MCP 的开发能力，对 MCP 可以自己实现一套任意场景的客户端和服务端进行对接。如，你自己有一个Xxx商城，也可以对下单接口包装出下单-MCP服务。
- 基于 Spring 源码，自定义一套轻量任务执行器，把配置的 AI Agent 动态刷新到任务中心自动化执行。
- 积累应用设计经验，面向对象开发，在整个工程实现中，都有非常干净，清晰，具备高内聚，低耦合，有单一职责的逻辑体现。
适合哪些伙伴？
- 需要快速🔜写到简历，用于秋招/社招面试（可以只刷第3阶段，1周写到简历，2周完成学习）。
- 对 AI Agent 智能体感兴趣，但不知道如何自己实现一套的。
- 希望提高自己的架构设计思维，设计模式运用的。
- 增强核心竞争力，储备一些非业务的核心技术类知识的。
项目运行效果
本项目分为，用户端、管理端和服务端，服务端统一提供接口能力，管理端维护 AI Agent 智能体配置、用户端提供使用服务。
1. 登录界面
- 这一部分在数据库表增加了 admin_user 表，有配置登录账号和密码，可以简单做校验。
2. 管理界面
- 管理后台目前提供了，代理管理（拖拉拽编排方式配置智能体），资源管理（model、client、mcp、advisor、prompt）
- 数据分析、系统设置，是样例，你可以继续扩展你所需要的内容。
3. 代理管理
3.1 代理列表
- 这里的代理列表，就是通过拖拉拽配置的智能体。可以点击【查看】看到明细，也可以【新建】，还可以删除。
- 点击【加载】则是调用服务端，把数据加载到 Spring 容器，之后就可以使用了。
3.2 代理配置
- 当你点击一个代理配置，则会展示出拖拉拽的数据到页面上。这部分会从数据库读取，之后展示出来，全部可视化。
- 如果你点击了Save则会做出一份新的，之后对于旧的，你可以自己手动删除。
4. 资源管理
- 资源管理下，是配置一个智能体所需的各项资源信息，你可以在这里进行维护。如，MCP 工具管理。
5. 页面使用
5.1 对话交流
5.2 场景解析
5.3 监控分析
- 配置后的智能体，可以在智能体选择里进行获取使用。之后进行提问。
- 效果还不错，这里小傅哥验证了配置的智能体进行提问。
关于系统设计
本套系统设计，也是花费了非常大的心思。
1. 执行流程
在整个 Ai Agent 的实现中，小傅哥带着大家分析设计了4种方案，包括；固定执行的、循环执行的、智能分析决策的还有一个按照步骤规划的。这些流程都有适合于自己业务场景使用。在代码中也都有不同方案的实现，之后通过用户选择后进行动态化的策略调度。
2. 核心动作
2.1 数据装配
- 首先，以构建 AiClientNode 的对话客户端为目的，已经完成了相关的元素实例化步骤。本节这里要处理的是，顾问角色的构建，以及构建 AiClientNode 节点。
- 之后，AiClientNode 的构建，是关联了其他各项元素的，所以在构建时，需要在 AiClientNode 节点，从 Spring 容器通过 getBean 的方式，检索到对应的各项元素。
2.2 动态调度
- 这里会根据用户的请求，进行策略路由，找到所需的 Ai Agent 执行策略进行处理。这里小傅哥也有意加入不同的策略，让大家可以看到很多的 Ai Agent 设计思路。
2.3 执行策略（01）
- 以程序启动为开始，进行自动化装配。这个过程我们先把一些想预先启动的数据库中的 agent 配置所需的 client 客户端进行服务初始化。之后写入到 Spring 容器，方便在执行 Agent 时进行使用。
前面有伙伴问，为什么把实例化的对象写入到 Spring 容器，这里就是原因 - 客户端（UI），进行 POST 接口请求，这个过程需要封装一个 SSE 流式响应的接口，让 Step 1~4 各个执行步骤，把过程信息写入到流式接口。这里要注意，需要给接口返回的对象添加上对应的类型（什么步骤、什么节点、什么过程），以便于反馈给用户 Agent 在做什么。
2.4 执行策略（02）
- 这是其中的一种 Ai Agent 执行策略方式，通过用户的提问进行分析、规划、列出执行步骤，之后依次执行。
- 所有的这些实现都有相应的代码，带着大家使用规则树框架清晰的实现出来。
课程资料信息
1. 课程目录
第1阶段 spring-ai v0.8.1 - RAG 静态知识库（本阶段，需要配置附件的 setting.xml）
- 第1节：关于 AI RAG 知识库项目介绍
- 第2节：初始化知识库工程&提交代码
- 第3节：Ollama DeepSeek 流式应答接口...
- 第4节：Ollama DeepSeek 流式应答页面...
- 第5节：Ollama RAG 知识库上传、解析和验证
- 第6节：Ollama RAG 知识库接口服务实现
- 第7节：基于AI工具，设计知识库UI和接口对接
- 第8节：Git仓库代码库解析到知识库
- 第9节：扩展OpenAI模型对接，以及完整AI对接
- 第10节：云服务器部署知识库（Docker、Ngin...
第2阶段 spring-ai v1.0.0 - MCP 动态知识库
- 第11节：吃上细糠，升级SpringAI框架
- 第12节：康庄大道，上手 AI MCP 工作...
- 第13节，道山学海，实现MCP自动发帖服务（...
- 第14节，海纳百川，上线MCP自动发帖服务
- 第15节，川流不息，实现MCP微信公众号消息通知服务
- 第16节：息息相通，MCP 服务部署上线（sse 模式）
第3阶段 spring-ai v1.0.0 - Ai Agent 进行中「如果着急面试，可以直接做3阶段，完成到13节很够面试啦」
- 第3-0节：Ai Agent 项目介绍和系统演示【最初版本，含完整代码】
- 第3-1节，Ai Agent 业务流程、系统架构、库表设计说明
- 第3-2节：初始化项目工程
- 第3-3节：Ai Agent 测试案例
- 第3-4节：根据 Ai Agent 案例，设计库表
- 第3-5节：多数据源和Mapper配置
- 第3-6节：数据加载模型设计
- 第3-7节：动态实例化客户端API
- 第3-8节：动态实例化对话模型
- 第3-9节：实例化对话客户端
- 第3-10节：Agent执行链路分析
- 第3-11节：Agent执行链路设计
- 第3-12节：Agent服务接口和UI对接（第一版AutoAgent效果）
- 第3-13节，Agent-ELK日志分析场景
- 第3-14节，Agent-Prometheus监控分析场景
- 第3-15节：AgentFlow执行链路分析（扩展思路）
- 第3-16节：FlowAgent执行链路设计（扩展思路）
- 第3-17节：增加调度器策略执行Agent链路
- 第3-18节：动态执行智能体任务
- 第3-19节：拖拉拽编排数据存储
- 第3-20节：Agent管理后台实现
- 第3-21节：在云服务器部署上线
2. 编程环境
- JDK 17 ~ 21
- Postgresql
- SpringBoot 3.2.3 - Spring AI 0.8.1 ~ 1.0.0+
- Redis
- Docker
- Ollama + DeepSeek + GPU -
- RAG、MCP、Function Call
综上，你可以看到此套项目的完整的介绍，这些也都是企业里非常实用的技能积累。有希望提高自己的编程能力和面试材料的，可以马上加入学习。