Java 架构师的 AI 工程笔记——不学 Python，用 Spring Boot 搞 AI Agent
10 年 Java 后端经验，经历过从单体到微服务的架构迁移。去年开始带团队做第二次技术转型——把 AI 能力嵌入现有业务系统。
转型过程中发现一个尴尬的现实：大部分 AI 教程是 Python 的。LangChain、LlamaIndex、CrewAI……全是 Python 生态。Java 团队想搞 AI，难道要全员转 Python？
在项目里比较了 LangChain4j 和 Spring AI Alibaba 之后，我选了后者。原因很简单：Spring AI Alibaba 把 AI 开发搬到了 Spring 生态里——ChatClient 像 JdbcTemplate 一样顺手，Function Calling 像 Controller 路由一样自然，配置方式还是熟悉的 application.yml。
不用换语言，不用换框架，用你最熟的工具栈做 AI 开发。
这个系列是我在实际项目中验证过的方案。每一篇的代码都能跑，每一个架构决策都有 trade-off 分析。踩过的坑写在这里，省得你再踩一遍。
先看一眼全局地图
在正式开始之前，先花 1 分钟扫一遍整个系列的知识结构。
这张图涵盖了从基础概念到企业实战的全部内容。后面每学完一章，可以回来看看自己在地图上走到了哪里。
五层系统架构——贯穿全系列
整个系列围绕一个核心架构展开。每一章讲的不是孤立的技术点，而是在这个架构上逐层搭建能力：
┌─────────────────────────────────────────┐ │ 接入层 API Gateway / 前端 / 多租户 │ → ch01, ch20 ├─────────────────────────────────────────┤ │ 编排层 Graph / Workflow / MultiAgent │ → ch10, ch11 ├─────────────────────────────────────────┤ │ 决策层 Agent / ReAct / Context / HITL │ → ch08, ch09 ├─────────────────────────────────────────┤ │ 能力层 Tool / ch02 基础设施层 安全测试部署 ch14
