如果你已经能用 Spring Boot 写 CRUD，也能调通几家大模型的 HTTP 接口，但一到"把大模型塞进一个真实业务系统"就不知道从哪下手——这门课对准的正是这个缺口。它的主角不是模型本身，而是 LangChain4J：Java 世界里把大模型接进企业应用的那层胶水。项目背景选在医疗，因为医疗场景对准确性、可追溯、权限边界的要求都比一般 Demo 高，拿来练手不亏。

它解决的是"接口能调通、系统搭不起来"

很多人做大模型应用停留在两个极端：要么是几十行的脚本调 API，要么是套一个聊天框就宣称做完了。中间那段真正难的部分——提示词怎么组织、上下文怎么带、多轮对话状态存哪、模型返回的结构化数据怎么落库——往往没人讲。LangChain4J 提供的正是这一段的抽象：ChatLanguageModel、PromptTemplate、AiServices、ChatMemory、EmbeddingStore、DocumentSplitter 这些组件分别对应"调用、提示、服务化、记忆、向量检索、切分"六个环节。课程要回答的核心问题是：这些组件在一个有数据库、有权限、有业务规则的 Java 工程里，怎么摆放、怎么串联、怎么不互相打架。

医疗场景带来的具体约束

换成电商客服，答错一句顶多被吐槽；换成医疗，答错的代价完全不同。这决定了项目里几个绕不开的点：

知识必须来自可控语料，而不是模型凭记忆编——所以要落到 RAG 检索增强这条路径上，文档切分粒度、检索条数、相似度阈值都得实际调，不是配个默认值就完事。
回答要能说清依据。用户问一个症状，系统给的建议最好能指向具体来源片段，这就涉及检索结果与生成结果的对应关系怎么保留。
多轮问诊有上下文连续性。上一句说的"疼了三天"下一句不能再问一遍，ChatMemory 的窗口大小、持久化方式就成了要动手改的地方。
涉及用药、诊断的表述需要边界处理，哪些能答、哪些必须转人工，属于提示词之外还要在代码层拦一道的事。

这些约束不是背景板，它们会直接决定你的类怎么设计。

跟着做时需要自己动手补的地方

课件和资料能帮你把环境跑起来，但有几处建议不要跳过、也别只照着敲：

向量库选型。课程里用到的存储方案先跑通，然后试着自己换一种，感受一下 Embedding 维度和索引方式变化后检索效果差多少。
提示词模板的版本管理。把每次调整当作一次可回滚的改动，记录改了哪句、对哪类问题生效，这个习惯比记住某个"神级提示词"有用得多。
异常链路。模型超时、返回格式不合预期、检索为空，这三种情况各写一遍兜底逻辑，否则上线第一天就会遇到。
成本与延迟。同一个问题换不同模型、不同温度跑一遍，把 token 消耗和响应时间记下来，做技术选型时心里才有数。

看完应该能回答的问题

检验是否真的学进去，不看能不能背出 API，而看这几个问题能不能脱口而出：

如果用户的问题在知识库里找不到对应片段，你的系统应该输出什么？这个判断放在检索阶段还是生成阶段？
AiServices 把接口转成实现的过程里，参数是怎么组装进提示词的？想加一个"必须输出 JSON"的约束应该改哪里？
对话历史存在内存和存在数据库，对架构的影响分别是什么？什么规模下必须换后者？
把医疗换成法律或售后，这套结构里哪些部分可以直接复用，哪些必须重做？
上线前你会用哪几个指标判断这个应用"能用"？

如果其中三题以上还答不利索，说明你只是把项目跑起来了，没把设计意图吃透，值得回头再看一遍对应章节。

适合谁，不适合谁

适合已经会 Java 和 Spring Boot、想补上大模型工程化这一块的人，也适合在医疗信息化方向做技术预研、需要快速判断可行性的开发者。不适合完全没写过 Java 的初学者——LangChain4J 的抽象建立在 Java 生态习惯之上，基础不牢会处处卡壳；也不适合只想了解大模型原理、对工程落地没兴趣的读者，这门课讲的是怎么搭，不是为什么这样设计 Transformer。

一句话：把它当成一次"从会调 API 到能交付一个可解释、可兜底的大模型应用"的练习，带着上面那些问题去做，收获会比单纯跟敲大得多。

尚硅谷Java企业级大模型应用项目：小智医疗（LangChain4J实战）

LangChain4J实战，大模型应用项目解析

编辑点评

深入探索大模型在医疗领域的应用，实战性强，适合对AI医疗感兴趣的开发者。

⭐ 编辑推荐

跟随尚硅谷，学习LangChain4J在医疗领域的实战应用，掌握大模型项目开发技巧。

课程亮点

• LangChain4J实战项目

• 医疗领域大模型应用

• 项目开发技巧

课程目录

📁 课件
    课件资料.png  [493.5 KB]
    课件.exe  [4.1 MB]
📁 资料
    资料说明.zip  [1.8 MB]
    资料.exe  [2.2 GB]
📁 视频
    视频文档.zip  [1.8 MB]
    47-项目实战-创建和配置Tools.mp4  [140.6 MB]
    35-Prompt-用户提示词.mp4  [95.6 MB]
    03-LangChain4j入门-应用程序整合大语言模型的常见场景.mp4  [65.7 MB]
    61-embedding-Pinecone的使用.mp4  [148.3 MB]
    65-项目实战-流式输出.mp4  [125.0 MB]
    25-Chat memory-替换聊天记忆的实现.mp4  [104.4 MB]
    64-项目实战-在硅谷小智中集成向量大模型和Pinecone向量存储.mp4  [88.3 MB]
    .mp4  [110.0 MB]
    50-RAG-向量和维度.mp4  [73.3 MB]
    62-embedding-向Pinecone中存入数据.mp4  [86.8 MB]
    40-项目实战-测试硅谷小智聊天助手.mp4  [164.0 MB]
    59-项目实战-在硅谷小智中实现RAG.mp4  [224.1 MB]
    11-接入其他大模型-ollama.mp4  [180.9 MB]
    20-Chat memory-聊天记忆的简单实现.mp4  [129.3 MB]
    43-Function .mp4  [60.8 MB]
    33-Prompt-在提示词中添加当前日期.mp4  [15.1 MB]
    52-RAG-索引阶段和检索阶段.mp4  [94.0 MB]
    37-Prompt-多个参数的情况.mp4  [70.5 MB]
    09-接入其他大模型-运行时无法获取apiKey的原因.mp4  [8.7 MB]
    48-项目实战-测试硅谷小智的预约功能.mp4  [145.4 MB]
    42-Function Calling-工具的定义和使用.mp4  [111.6 MB]
    32-Prompt-系统提示词.mp4  [243.2 MB]
    .mp4  [39.1 MB]
    44-Function .mp4  [39.2 MB]
    46-项目实战-测试业务方法.mp4  [67.7 MB]
    29-Persistence-SpringBoot整合MongoDB.mp4  [441.5 MB]
    66-项目实战-运行前端工程.mp4  [44.1 MB]
    57-自定义文档分割器.mp4  [37.6 MB]
    15-接入其他大模型-阿里百炼deepseek.mp4  [68.8 MB]
    06-LangChain4j入门-使用Spring Boot Starters.mp4  [255.0 MB]
    19-AIService-工作原理.mp4  [100.8 MB]
    45-项目实战-实现预约相关业务逻辑.mp4  [155.7 MB]
    04-LangChain4j入门-创建SpringBoot应用程序.mp4  [117.0 MB]
    22-Chat memory-使用AIService实现聊天记忆.mp4  [125.5 MB]
    21-Chat memory-使用ChatMemory实现聊天记忆.mp4  [114.2 MB]
    08-接入其他大模型-DeepSeek.mp4  [269.1 MB]
    10-接入其他大模型-ollama本地部署.mp4  [92.5 MB]
    51-RAG-相似度和相似度测量.mp4  [34.9 MB]
    55-RAG-文档分割器.mp4  [94.5 MB]
    27-Persistence-MongoDB简介.mp4  [47.0 MB]
    23-Chat memory-隔离聊天记忆.mp4  [146.1 MB]
    63-embedding-相似度匹配.mp4  [76.8 MB]
    13-接入其他大模型-阿里百炼通义千问.mp4  [199.0 MB]
    39-项目实战-创建硅谷小智聊天助手.mp4  [263.5 MB]
    14-接入其他大模型-阿里百炼通义万象.mp4  [109.3 MB]
    56-向量转换和向量存储.mp4  [300.5 MB]
    28-Persistence-MongoDB的安装和基本操作.mp4  [236.9 MB]
    07-接入其他大模型-都有哪些大模型可进行接入.mp4  [65.8 MB]
    38-Prompt-@SystemMessage和@V.mp4  [99.0 MB]
    05-LangChain4j入门-接入大模型.mp4  [145.5 MB]
    58-token和token计算.mp4  [150.8 MB]
    34-Prompt-从资源中加载提示模板.mp4  [46.4 MB]
    26-Persistence-存储介质的选择.mp4  [100.9 MB]
    54-RAG-文档解析器.mp4  [60.9 MB]
    41-Function Calling-测试大语言模型的缺陷.mp4  [60.0 MB]
    53-RAG-文档加载器.mp4  [257.1 MB]
    12-接入其他大模型-阿里百炼介绍.mp4  [41.6 MB]
    02-LangChain4j入门-简介.mp4  [61.9 MB]
    16-AIService-概念.mp4  [37.5 MB]
    30-Persistence-实现.mp4  [218.1 MB]
    31-Persistence-测试.mp4  [117.6 MB]
    49-RAG-RAG和微调大模型.mp4  [169.7 MB]
    60-embedding-引入通用文本向量模型.mp4  [71.3 MB]
    01-教程简介.mp4  [42.5 MB]
    24-Chat memory-实现原理.mp4  [173.1 MB]
    17-AIService-创建AIService.mp4  [103.3 MB]