LangChain4j 进阶实战系列：CSDN 连载发布目录
这套文档面向的是想把大模型能力真正落到 Java 项目里的开发者。文章主线不是"这个项目有哪些类、哪些接口"，而是围绕 LangChain4j 的进阶能力讲清楚：为什么要这样设计、怎么一步步落地、真实项目里会遇到什么坑、应该怎样迁移到自己的业务系统。
每篇文章建议按下面的节奏发布：
text
业务问题 -> 原理解释 -> 实战步骤 -> 可复制代码 -> 经典案例 -> 踩坑经验 -> 我的总结项目代码只作为写作素材和案例来源，不作为文章主线。读者不打开本项目，也应该能通过文章学会对应技术；读者打开项目，则可以进一步对照实现细节。
建议发布标题
统一标题模板：
text
LangChain4j 进阶实战：第 X 篇，主题名称例如：
text
LangChain4j 进阶实战：第 1 篇，从普通聊天到业务 Agent 的架构路线系列目录
| 顺序 | 文件 | 建议发布标题 |
|---|---|---|
| 1 | 01-ai-architecture-overview.md |
从普通聊天到业务 Agent 的架构路线 |
| 2 | 02-langchain4j-chat-and-aiservices.md |
ChatModel、AiServices、流式响应和工具调用 |
| 3 | 03-structured-output-schema.md |
结构化输出：让大模型稳定返回 Java 对象 |
| 4 | 04-chat-memory-redis.md |
会话记忆：MessageWindowChatMemory 与 Redis 持久化 |
| 5 | 05-rag-basic-ingestion.md |
RAG 基础：文档加载、切分、向量化与检索增强 |
| 6 | 06-milvus-vector-rag.md |
Milvus 向量库实战：构建生产级知识库问答 |
| 7 | 07-advanced-rag-patterns.md |
高级 RAG：查询改写、路由、过滤、重排和来源返回 |
| 8 | 08-mcp-tool-calling.md |
MCP 工具调用：让大模型连接外部工具服务 |
| 9 | 09-dynamic-agent-production-design.md |
动态 Agent 设计：提示词、模型参数和工具后台可配置 |
| 10 | 10-workflow-multi-agent.md |
多 Agent 工作流：复杂任务如何拆解和编排 |
| 11 | 11-smart-wardrobe-rag-case.md |
智能衣橱实战：RAG + Agent + Workflow 完成穿搭推荐 |
| 12 | 12-production-best-practices.md |
生产实践：观测、安全、成本、评测和持续演进 |
推荐标签
text
LangChain4j, Java, Spring Boot, RAG, Agent, MCP, Milvus, 大模型应用开发, AI 工程化写作定位
这套文章适合三类读者：
- 已经会调用大模型 API，但不知道如何工程化落地的 Java 开发者。
- 想系统学习 LangChain4j 中 RAG、Memory、Tool、MCP、Agent 等进阶能力的开发者。
- 准备用大模型改造真实业务系统，需要借鉴工程实践的后端工程师。
每篇文章都应尽量少讲"代码在哪"，多讲"为什么要这样做、怎么在自己项目里做、做完之后如何验证效果"。这也是 CSDN 技术文章最重要的价值：让读者读完以后能复用，而不是只看懂一个项目。