整体路线

1
2
① 黑马点评 → ② 黑马头条 → ③ RAG+Agent → ④ Dify → ⑤ 自研 AI 项目
   (基础功)     (主项目)      (原理)       (落地)     (产出)

核心思路：先打通 Java 后端主线，再切入 AI 赛道，最终做出有区分度的项目。

① 黑马点评（学习，不写简历）

目标：Redis、高并发、缓存、分布式锁、秒杀

学习重点 具体内容
缓存 缓存穿透、击穿、雪崩的成因与解决方案
分布式锁 Redisson 实现、看门狗机制、锁续期
秒杀 库存预扣、异步下单、超卖防护
高并发 乐观锁、Lua 脚本原子操作、消息队列削峰

产出：Redis 能力 —— 这是后端面试的高频考点，也是后续微服务项目的基础设施。

② 黑马头条（主项目，写简历）

目标：SpringCloud、MQ、ES、微服务

学习重点 具体内容
微服务拆分 网关、用户服务、内容服务、搜索服务
SpringCloud Nacos 注册/配置中心、Gateway 网关、OpenFeign 远程调用
消息队列 RabbitMQ / Kafka 异步解耦、延迟队列
搜索引擎 Elasticsearch 全文检索、索引设计、高亮搜索

产出：项目 1 = Java 微服务项目，简历核心项目。这是从”单体应用”到”分布式架构”的关键跳板。

③ RAG + Agent + LangChain（学习原理）

目标：RAG、Embedding、Agent、向量检索

学习重点 具体内容
RAG 原理 检索增强生成的完整链路：文档切分 → 向量化 → 检索 → 生成
Embedding 向量表示原理、常用模型（BGE、M3E）、相似度计算
Agent ReAct 模式、工具调用、多步推理、记忆机制
向量数据库 Milvus / Chroma 的存储与检索

产出：AI 底层能力 —— 理解原理才能在后续项目中做出有深度的设计，而不是停留在 API 调用层面。

④ Dify（学习落地）

目标：Workflow、企业知识库、Agent

学习重点 具体内容
Workflow 可视化编排、条件分支、循环节点、变量传递
企业知识库 文档导入、分段策略、检索配置、多知识库管理
Agent 工具编排、对话流设计、多轮交互
API 集成 Dify API 对接外部系统、Webhook 回调

产出：AI 工程能力 —— 从”懂原理”到”能落地”，掌握快速搭建 AI 应用的能力。

⑤ 做自己的 AI 项目（重点）

这是整条路线的最终产出，必须有区分度。

不要做”上传 PDF → 问答”这种模板项目，没有亮点。

项目方向参考

  • 垂直领域 Agent：针对特定场景（法律、医疗、教育）的智能助手，带工具调用和多步推理
  • 多模态 RAG：支持图片、表格、代码的混合检索与生成
  • AI + 工作流自动化：将 Dify Workflow 与实际业务系统深度集成
  • 智能数据分析：自然语言查询 → SQL/代码生成 → 可视化报告

项目要求

  1. 有真实场景，不是 demo
  2. 有技术深度，体现 RAG/Agent 原理理解
  3. 有工程能力，体现微服务 + AI 的整合能力
  4. 能讲清楚”为什么这样做”和”遇到了什么问题怎么解决的”

阶段总结

阶段 核心能力 时间定位
① 黑马点评 Redis + 高并发 基础功
② 黑马头条 微服务架构 简历主项目
③ RAG + Agent AI 原理 底层认知
④ Dify AI 工程 落地能力
⑤ 自研项目 综合产出 最终作品

主线逻辑：Java 后端打底 → 微服务进阶 → AI 原理学习 → AI 工程实践 → 独立项目产出。