Nicholas的开发Blog

Spring AI Agent工程师招聘信息

Spring AI框架已经开始有岗位招聘了，可以围绕这些要点来着重学习

1. 巩固基础：Spring Boot 与 AI 生态

  • 目标：确保你对 Spring Boot 3.x（推荐 JDK 17+）有扎实掌握，这是 Spring AI 的运行基石。
  • 关键点：理解 Spring 的依赖注入、Web 开发、以及如何通过 Starter 快速集成第三方服务。
  • 行动：复习 Spring Boot 基础，特别是配置管理与 WebFlux（异步响应式编程对 AI 流式输出很有用）。

2. 掌握 Spring AI 核心组件

这是招聘要求中的“硬实力”，必须深入源码级理解：
  • ChatClient：这是与大模型交互的核心接口。学习如何配置不同的模型供应商（如 OpenAI, Ollama, 阿里云千问等），理解 Prompt 和 Message 的构建。
  • Function Calling (工具调用)：这是 Agent “能做事” 的关键。学习如何将 Java 方法封装为工具（Tool），并让模型学会调用它们来执行数据库查询、API 调用等操作。
  • VectorStore (向量存储)：理解如何将非结构化数据（文本）转化为向量并存储，这是 RAG 的基础。
  • Prompt Engineering：学习如何编写高质量的提示词，特别是针对 Agent 场景的规划（Planning）和记忆（Memory）指令。

3. 攻克 RAG 与 Agent 架构

  • RAG 系统构建：
    • 文档切片：学习如何使用 DocumentReader 和 TextSplitter 处理长文本。
    • 向量化与检索：掌握如何使用 Embedding 模型（如 Bge, OpenAI Embeddings）生成向量，并在 Milvus/Pinecone 等向量数据库中进行相似度搜索。
    • 重排序：了解 Rerank 模型如何优化检索结果，提升准确率。
  • Agent 架构设计：
    • 记忆机制：学习如何实现短期记忆（如 ConversationMemory）和长期记忆（向量数据库）。
    • 任务规划：理解 Agent 如何分解复杂任务，调用多个工具完成目标。

4. 实战项目与业务落地

  • 目标：将上述技术串联，解决实际问题。
  • 建议项目：
    • 智能客服：结合 RAG 实现基于企业知识库的问答，结合 Function Calling 实现订单查询。
    • 自动化办公助手：利用 Agent 读取邮件、生成报告、调用日历 API 等。
    • 垂直领域问答：针对特定行业（如医疗、法律）构建专业问答系统。

Nicholas

,