📌 本文档是 JavaGuide 仓库 AI 相关内容的本地索引,原始文件保存在
_refs/repos/javaguide/docs/ai/和_refs/repos/javaguide/docs/ai-coding/下。
仓库概览
JavaGuide 是 Snailclimb 维护的 Java 技术面试指南,近期新增了 AI 应用开发面试专栏,内容质量很高,以面试考点为切入点,系统覆盖了从 LLM 底层原理到生产级工程实践的核心知识。
内容定位:面向 Java / 后端背景的开发者,侧重 AI 应用层开发(而非模型训练)。
核心价值:
- 把 Token、Temperature、上下文窗口等概念还原为工程参数
- 从 Demo 到生产级应用的完整链路拆解
- 大量配图和 Java 后端示例
内容目录映射
一、大模型基础(对应知识库 10-LLM基础/)
| 文章 | 本地路径 | 核心内容 |
|---|---|---|
| 万字拆解 LLM 运行机制 | docs/ai/llm-basis/llm-operation-mechanism.md | Token 计算、上下文窗口、Temperature、采样策略等底层原理 |
| 大模型 API 调用工程实践 | docs/ai/llm-basis/llm-api-engineering.md | 流式输出、重试、限流、结构化返回、Java 后端落地 |
| 大模型结构化输出详解 | docs/ai/llm-basis/structured-output-function-calling.md | JSON Schema、Function Calling、Tool Calling、MCP 底层链路 |
💡 学习建议:如果你正在学习
10-LLM基础/,这几篇文章是非常好的工程视角补充。特别是 API 工程化和结构化输出部分,弥补了纯理论学习的缺口。
二、AI Agent(对应知识库 30-Agent工程/)
| 文章 | 本地路径 | 核心内容 |
|---|---|---|
| 一文搞懂 AI Agent 核心概念 | docs/ai/agent/agent-basis.md | Agent 六代进化史、Agent Loop、ReAct、Plan-and-Execute、Reflection、Multi-Agent、A2A |
| AI Agent 记忆系统 | docs/ai/agent/agent-memory.md | 短期/长期记忆设计、存储形式、生命周期、工程优化 |
| 大模型提示词工程实践指南 | docs/ai/agent/prompt-engineering.md | Prompt 四要素框架、六大核心技巧、Prompt 注入防护 |
| 上下文工程实战指南 | docs/ai/agent/context-engineering.md | Context vs Prompt Engineering、静态编排、动态挂载、Token 预算降级 |
| 万字详解 Agent Skills | docs/ai/agent/skills.md | Skills 设计理念、与 MCP/Function Calling 区别、Skill 设计最佳实践 |
| 万字拆解 MCP 协议 | docs/ai/agent/mcp.md | MCP 四层架构、JSON-RPC 2.0、生产级 Server 开发 |
| 一文搞懂 Harness Engineering | docs/ai/agent/harness-engineering.md | Agent = Model + Harness、六层架构、上下文 40% 阈值、一线团队实战 |
| Workflow 中的循环与图 | docs/ai/agent/workflow-graph-loop.md | (补充)工作流中的循环和图结构 |
💡 与已有笔记关联:
agent-basis.md中的 ReAct / Plan-and-Execute / Reflection 可与30-Agent工程/理论框架/下的内容交叉验证mcp.md可与30-Agent工程/Java-AI-生态/下的 Spring AI / LangChain4j 笔记配合阅读harness-engineering.md提出的 Agent = Model + Harness 等式非常有启发性,建议精读
三、RAG 检索增强生成(对应知识库 20-RAG工程/)
| 文章 | 本地路径 | 核心内容 |
|---|---|---|
| 万字详解 RAG 基础概念 | docs/ai/rag/rag-basis.md | RAG 原理、优势、局限性 |
| 万字详解 RAG 向量索引算法和向量数据库 | docs/ai/rag/rag-vector-store.md | HNSW、IVFFLAT 索引算法、向量数据库选型 |
| 万字详解 GraphRAG | docs/ai/rag/graphrag.md | 知识图谱驱动 RAG、实体/关系/社区发现、全局检索 vs 局部检索 |
| 万字详解 RAG 检索优化 | docs/ai/rag/rag-optimization.md | Chunk 策略、Hybrid Search、Query Rewrite、Rerank、上下文压缩 |
| RAG 文档处理 | docs/ai/rag/rag-document-processing.md | 文档预处理、分块策略 |
| RAG 知识更新 | docs/ai/rag/rag-knowledge-update.md | 知识库增量更新策略 |
💡 学习建议:
rag-optimization.md和graphrag.md是工程实战价值最高的两篇。如果你在做 RAG 项目优化,可以直接参考其中的 Chunk 策略和 Rerank 方案。
四、AI 系统架构设计
| 文章 | 本地路径 | 核心内容 |
|---|---|---|
| AI 应用架构设计 | docs/ai/system-design/ai-application-architecture.md | AI 应用的整体架构模式 |
| AI 语音系统 | docs/ai/system-design/ai-voice.md | 语音相关 AI 系统设计 |
五、AI 编程实战与技巧(对应知识库 40-AI编码与源码/)
实战案例
| 文章 | 本地路径 | 核心内容 |
|---|---|---|
| IDEA + Qoder 插件实战 | docs/ai-coding/idea-qoder-plugin.md | JetBrains IDE 中 AI 辅助接口优化、代码重构 |
| Trae + MiniMax 多场景实战 | docs/ai-coding/trae-m2.7.md | Redis 故障排查、跨语言重构 |
| Claude Code 接入第三方模型实战 | docs/ai-coding/cc-glm5.1.md | JVM 智能诊断助手、百万级慢查询治理 |
| DeepSeek V4 + Claude Code 实战 | docs/ai-coding/deepseek-v4-claude-code.md | 代码审计、Flyway 集成、多模型协同 |
技巧与选型
| 文章 | 本地路径 | 核心内容 |
|---|---|---|
| AI 编程必备 Skills 推荐 | docs/ai-coding/programmer-essential-skills.md | 6 个实用 Skills:TDD、代码审查、UI 设计、网页自动化 |
| Claude Code 核心命令详解 | docs/ai-coding/claudecode-commands.md | /simplify、/review、/loop、/batch 等 |
| Claude Code 使用指南 | docs/ai-coding/claudecode-tips.md | 配置、工作流、进阶技巧 |
| OpenAI Codex 最佳实践 | docs/ai-coding/codex-best-practices.md | Codex 云端智能体和 CLI 的提示工程、安全策略 |
| AI 编程选 CLI 还是 IDE? | docs/ai-coding/cli-vs-ide.md | Claude Code、Cursor、Kiro、Trae 深度对比 |
| AI 编程开放性面试题 | docs/ai-coding/ai-ide.md | 10 道高频面试问题 |
💡 与已有笔记关联:
cli-vs-ide.md可与40-AI编码与源码/下的 Claude Code / Cursor 使用笔记对照阅读,形成自己的工具选型判断。
与知识库已有内容的关联
graph LR A[JavaGuide AI 专栏] --> B[10-LLM基础] A --> C[20-RAG工程] A --> D[30-Agent工程] A --> E[40-AI编码与源码] B --> B1[LLM 运行机制<br>API 工程实践] C --> C1[RAG 基础<br>GraphRAG<br>检索优化] D --> D1[Agent 核心概念<br>MCP 协议<br>Harness Engineering] E --> E1[Claude Code 实战<br>AI 编程技巧]
学习路径建议
路径 A:面试冲刺(1-2 周)
agent-basis.md→ 建立 Agent 全景认知mcp.md→ 掌握最热协议rag-basis.md+rag-optimization.md→ RAG 核心考点llm-operation-mechanism.md→ 底层原理防追问ai-ide.md→ AI 编程面试题兜底
路径 B:工程实战(按项目需求)
- 做 Agent 项目 →
harness-engineering.md+context-engineering.md+skills.md - 做 RAG 项目 →
rag-vector-store.md+graphrag.md+rag-optimization.md - 做 AI 编程提效 →
claudecode-tips.md+programmer-essential-skills.md
备注
- 所有配图使用了
oss.javaguide.cn的 CDN 链接,本地无法直接查看,可在线访问原文或下载仓库后查看 - 部分内容使用了
<!-- @include -->语法,这是 JavaGuide 站点的模板语法,在本地 Markdown 阅读器中不会渲染 - 仓库原始地址:
https://github.com/Snailclimb/JavaGuide