第 5 章导读：AI 集成与智能体基础¶

📊 第 5 章知识模块关系图¶

陈老师，为了让学生（以及您自己）更直观地理解第 5 章各个知识点之间的逻辑联系，我为您设计了一张“AI 智能体能力构建图”。这张图将看似独立的 5 个小节串联成了一个从“能说话”到“能干活”的完整进化过程。

graph TD
    %% 定义节点样式
    classDef foundation fill:#e1f5fe,stroke:#01579b,stroke-width:2px;
    classDef core fill:#fff9c4,stroke:#fbc02d,stroke-width:2px;
    classDef agent fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px;
    classDef future fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px,stroke-dasharray: 5 5;
    classDef lab fill:#ffccbc,stroke:#bf360c,stroke-width:4px;

    subgraph "第一阶段：建立连接 (Foundation)"
        direction TB
        01[("01. Java HTTP Client<br/>(通信管道)")]:::foundation
        02[("02. Prompt Engineering<br/>(指令构建)")]:::foundation

        01 -->|发送请求| 02
    end

    subgraph "第二阶段：规范交互 (Interaction)"
        direction TB
        AI((🧠 AI 模型<br/>DeepSeek)):::core
        03[("03. JSON Schema<br/>(结构化解析)")]:::core

        02 -->|Input: 自然语言| AI
        AI -->|Output: 纯文本| Chat[普通聊天]
        AI -->|Output: JSON| 03
    end

    subgraph "第三阶段：赋予能力 (Agency)"
        direction TB
        04[("04. Tool Calling<br/>(函数调用)")]:::agent
        Service[("Java 业务方法<br/>(BookService)")]:::agent

        03 -->|解析意图| 04
        04 -->|回调执行| Service
        Service -->|返回结果| AI
    end

    subgraph "第四阶段：未来标准 (Standard)"
        05[("05. MCP 协议<br/>(通用接口)")]:::future
        05 -.->|标准化封装| 04
    end

    %% 实验贯穿
    Lab[("🧪 实验 5<br/>智能图书导购 Agent")]:::lab

    Lab -.-> 01
    Lab -.-> 02
    Lab -.-> 03
    Lab -.-> 04

    %% 样式连接
    linkStyle default stroke:#333,stroke-width:2px;

💡 模块关系深度解读（配合教学讲解）¶

您可以这样给学生讲解这张图，将抽象的技术概念比喻为“人的进化”：

1. 通信基础 (01 & 02)：学会说话¶

👄 Java HTTP Client 是“嘴巴”，负责张嘴说话（发送请求）。
🗣️ Prompt Engineering 是“语言”，决定了你说得好不好听，AI 能不能听懂。

没有这两步，Java 只是个哑巴，无法连接 AI。

2. 结构化交互 (03)：学会守规矩¶

AI 天生喜欢聊散天（返回 Text），但程序需要严谨的数据（JSON）。
🧐 JSON Schema 就是“翻译官”，强迫 AI 把诗情画意变成严谨的代码格式。

没有这一步，Java 拿到的是“散文”，无法进行逻辑处理。

3. 赋予能力 (04)：学会动手¶

这是本章的高潮。Tool Calling 是 AI 的“双手”。
场景：AI 发现自己不知道书价，于是通过 JSON 告诉 Java：“去帮我查一下数据库”。Java 查完后把结果喂回给 AI。

这一步实现了从 Chatbot（只会聊天的机器人）到 Agent（能干活的智能体） 的质变。

4. 未来标准 (05)：通用接口¶

🔌 MCP 是未来的“USB 接口”。
现在我们手写 Tool Calling 就像焊死在主板上的线（专用），以后用 MCP 就能即插即用（通用）。

📂 目录结构规划¶

📖 第5章导读¶

文件: chapter05/index.md
核心隐喻:
- API 调用: 就像“打电话咨询专家”。
- Prompt: 就像“给专家写需求文档”。
- Tool Calling: 就像“给专家配一个助手去查数据库”。
- MCP: 就像“给 AI 装上了 USB 接口”，标准化的连接万物。

01. Java 也就是个“浏览器”：HTTP Client 调用 AI¶

文件: chapter05/01-ai-api.md
核心: 去掉 SDK 滤镜，还原 HTTP 本质。
内容:
- 原理: AI 接口其实就是个标准的 POST 请求（URL, Headers, Body）。
- 工具: 使用 Spring Boot 3.2+ 新特性 RestClient (比 RestTemplate 更优雅) 或 OkHttp。
- 实战: 对接 DeepSeek-V3 (兼容 OpenAI 格式)，跑通第一个 "Hello AI"。

02. 提示词工程 (Prompt Engineering) 与 Java 模板¶

文件: chapter05/02-prompt-java.md
核心: 如何用 Java 代码动态组装 Prompt。
内容:
- 结构: System Prompt (人设) vs User Prompt (指令)。
- Java 新特性: 使用 JDK 15+ Text Blocks (文本块) 优雅地拼接 JSON 和 Prompt。
- 技巧: Few-Shot (少样本提示) —— 给 AI 几个例子，它学得更快。

03. 让 AI 说“机器话”：JSON Schema 与解析¶

文件: chapter05/03-structured-output.md
痛点: AI 默认喜欢聊散天，但程序需要准确的 JSON。
内容:
- Markdown 解析: 简单的正则提取（提取代码块）。
- JSON Mode: 强制 AI 返回 JSON 格式。
- JSON Schema: 严格定义字段类型（String? Int? Array?），这是 Tool Calling 的前置知识。

🔥 04. 赋予 AI 双手：Tool Calling (Function Calling)¶

文件: chapter05/04-tool-calling.md
地位: 本章最难点，也是 Agent 的核心。
原理图解:
1. 用户问：“查一下 Java 编程思想多少钱？”
2. AI 思考：“我不知道，但我有个工具叫 queryBookPrice。”
3. AI 返回：{"tool": "queryBookPrice", "args": {"name": "Java编程思想"}}
4. Java 后端：拦截到这个指令 -> 执行数据库查询 -> 拿到结果 99元。
5. Java 后端：把“99元”发给 AI。
6. AI 回复：“这本书的价格是 99 元。”
实战: 实现一个“查书价”的 Tool。

🔌 05. 未来的标准：MCP (Model Context Protocol) 简介¶

文件: chapter05/05-mcp-intro.md
背景: 各种 Tool Calling 写法都不一样，太乱了。
概念:
- Context (上下文): 让 AI 看到本地文件/数据库。
- Tools (工具): 标准化的执行能力。
- Resources (资源): 标准化的数据读取。
- 意义: 就像 USB 协议，只要符合 MCP，任何 AI 都能用你的工具（连接陈老师的 Home Lab 场景）。

🧪 实验 5：实战——智能图书导购 Agent¶

文件: chapter05/lab5.md
任务:
- 基于实验 4 的数据库。
- 实现一个 ChatController。
- 功能: 用户输入自然语言“帮我找一本 Bruce Eckel 写的书，最贵的那本”，系统自动解析意图，调用 BookService 查询数据库，并返回结果。

📝 部分核心内容预览（可直接用于文档）¶

关于 Tool Calling 的图解 (用于 04-tool-calling.md)¶

sequenceDiagram
    participant User as 👤 用户
    participant App as ☕ Java 后端
    participant AI as 🧠 DeepSeek LLM
    participant DB as 🗄️ 数据库

    User->>App: "帮我查一下《三体》还有货吗？"

    rect rgb(240, 248, 255)
        Note right of App: 第一次请求
        App->>AI: Prompt + 📦 工具描述(checkStock)
        AI->>AI: 思考... 需要调用工具
        AI-->>App: 🛑 暂停生成，请求调用工具: checkStock("三体")
    end

    rect rgb(255, 248, 240)
        Note right of App: 本地执行
        App->>DB: SELECT * FROM t_book WHERE title='三体'
        DB-->>App: 库存: 5
    end

    rect rgb(240, 248, 255)
        Note right of App: 第二次请求
        App->>AI: 告知工具执行结果: "库存是 5"
        AI->>AI: 整合信息
        AI-->>App: "《三体》目前还有货，库存剩余 5 本。"
    end

    App-->>User: 显示最终回复

实验 5 的 Prompt 设计 (用于 lab5.md)¶

让 AI 写代码

Prompt:

"我正在用 Java Spring Boot 3 + RestClient。请帮我写一个 Service 方法 chatWithTools(String userMessage)。

API 地址: https://api.deepseek.com/v1/chat/completions

模型: deepseek-chat

核心逻辑：

定义一个 JSON Schema 描述我的方法 searchBooks(String keyword)。

发送请求给 AI。

如果 AI 返回 tool_calls，解析出函数名和参数。

不要真的去调 API，只打印出'正在执行工具: xxx'即可（这步我自己填业务逻辑）。"

💡 教学建议¶

API Key 安全: 提醒学生不要把 API Key 传到 Gitee/Github。教他们使用环境变量或 application-dev.properties 并配置 .gitignore。
模型选择: 推荐 DeepSeek（深度求索）。
原因 1：国产之光（符合信创背景）。
原因 2：API 极其便宜（几乎免费），适合学生折腾。
原因 3：完全兼容 OpenAI 格式，代码以后换 GPT-4 也能用。
MCP 的处理: 这一块比较新，建议以概念介绍为主，让学生知道“这是未来”，不需要像 Tool Calling 那样要求手写底层实现，因为 Java 的 MCP SDK 还不够成熟。

您觉得这个安排是否符合您的教学进度？如果没问题，我可以开始为您撰写具体章节内容。

第 5 章导读 ：AI 集成与智能体基础¶