阶段一 认知重构与工程基座 —— 从传统 Java 开发迈向 AI 原生架构
打破技术壁垒，建立 Java+AI 开发的底层思维逻辑，掌握模型接入与标准化服务封装，完成从“调用接口”到“构建 AI 基础设施”的初步转型 。
第 5 课：LangChain4j 编程模型与 AI Services
第 9 课：Spring Boot AI Service 封装规范
阶段二 精密控制与能力加固 —— 实现 AI 输出的确定性与工业化治理
深挖 Prompt 模板化与结构化输出技术，通过 Java DTO 映射与会话状态机，将 AI 的非确定性生成转化为稳定、可控、安全的企业级业务能力 。
第 15 课：Agent、Harness Engineering、MCP、Skills 综合实践
阶段三 知识赋能与深度增强 —— 打造企业级私有化知识库
超越大模型幻觉，通过构建完整的 检索增强生成闭环，解决企业私有数据处理、语义检索优化与带引用的溯源回答等核心痛点 。
第 18 课：LangChain4j RAG 路线与分层架构设计
阶段四 行动进化与链路编排 —— 驱动 Agent 跨系统执行与多步骤协作闭环
赋予 AI “行动力”，利用 Skills、Tool Calling 与 MCP 协议打破数据孤岛，通过 Agent 工作流编排实现复杂任务的自动拆解与跨系统自动化执行。
第 29 课：Spring AI Alibaba Agent 框架与长链路治理
阶段五 架构升维与标准沉淀 —— 设计基于 SPEC/SDD 规范的智能体平台
从单点开发转向平台化设计，引入严谨的系统设计规范（SPEC/SDD），确立 Prompt、Skills、Tool 等核心组件的通用规格，提升 AI 项目的可扩展性与标准化水平 。
第 30 课：AIOps 智能 Agent 平台 SPEC 体系与组件规范
第 31 课：AIOps 智能 Agent 平台架构设计与实现规范
阶段六 工业级交付与全生命周期运维 —— 完成从蓝图到 AIOps 系统的生产级跃迁
一、需求分析与 SPEC 定义
二、SDD 架构设计
三、核心功能实现
四、评测体系与治理
五、上线前准备与验证
六、评测实施与上线流程
七、上线验收与项目交付
