课程状态：面向产品运营的智能运营 Agent 工作台

课程主题

用 JDK 17 + Spring Boot + Spring AI Alibaba 构建面向产品运营的智能运营 Agent 工作台。

学习者背景

• Java 后端开发。
• 熟悉 Spring Boot、Maven、REST API、MyBatis / MyBatis-Plus、MySQL。
• 重点学习 AI 工程化、Agent 编排、RAG、MCP、Skill 和 Graph Core。

当前实际任务

继续沿课程主线编写第 2 章，并实现 Spring AI Alibaba 运营对话入口。

课程主线

贯穿需求：

帮我分析最近 7 天新用户留存下降的原因，并给我一份下周拉活活动方案。

主线升级：

普通 ChatBot
→ Spring AI Alibaba 对话入口
→ 结构化任务单
→ Tool Calling
→ MCP
→ RAG
→ Advisor + Memory
→ Skill
→ Agent Framework
→ 多智能体团队
→ Graph Core
→ 企业级落地

贯穿案例

产品运营 Agent 工作台。

运营输入自然语言需求，系统逐步具备：

• 意图理解。
• 数据查询。
• 资料检索。
• 问题分析。
• 活动策划。
• 文案生成。
• 风险检查。
• 人工确认。
• 保存方案。
• 创建任务。
• 复盘评估。

已完成章节

第 1 章：为什么不是普通聊天机器人

状态：已完成初版，已重构为课程开篇。

已实现代码：

example/stage-01-operation-agent-workbench
POST /api/chapter-01/evaluate

已验证：

• mvn.cmd test 通过。
• 真实 HTTP 请求通过。
• 响应头使用 UTF-8。

第 2 章：运营对话入口，接入 Spring AI Alibaba

状态：已完成初版。

已实现代码：

example/stage-01-operation-agent-workbench
POST /api/chapter-02/chat

已验证：

• 先写失败测试，再实现最小代码。
• mvn.cmd test 通过。
• 默认 local 模式不依赖 API Key。
• 配置 operation.ai.mode=dashscope 和 spring.ai.model.chat=dashscope 后可走真实 ChatClient。

当前章节

当前准备进入：

第 3 章：把运营需求解析成任务单

已掌握内容

• 普通 ChatBot 与 Agent 工作台的边界。
• 第 1 阶段 Spring Boot 最小工程骨架。
• Controller → Application Service → Domain DTO 的最小分层。
• Spring AI Alibaba 依赖接入方式。
• ChatClient 最小调用方式。
• 默认本地兜底和 DashScope 真实模型的切换方式。
• 课程后续要逐步补齐 Tool、MCP、RAG、Advisor、Memory、Skill、Agent、Graph。

尚未解决的问题

• 尚未实现流式输出。
• 尚未实现结构化任务单。
• 尚未实现 Tool、MCP、RAG、Skill、Agent、Graph。

下一节目标

第 3 章只解决一个问题：

如何把运营自然语言需求解析成结构化任务单？

第 3 章不做：

• Tool Calling。
• MCP。
• RAG。
• Memory。
• Skill。
• 多 Agent。
• Graph Core。

暂不展开内容

• 前端 UI。
• 真实企业账号体系。
• 复杂权限模型。
• 多模型路由。
• 生产环境部署。
• 大规模评估平台。