三篇教程 · 完整技术栈 · 从零到生产

用 Java 构建
生产级 AI Agent

从 LLM 调用到工作流编排,再到安全的代码沙箱执行——三篇系统教程帮你完整掌握 Java AI Agent 开发的全部核心能力。

☕ Java 17+🧠 LLM / Agent🐳 Docker 沙箱📖 中文教程
第一篇 · LLM 基础

LangChain4j 完全指南

Java 世界的 LLM 开发框架。学会调用大模型、管理 Prompt、执行 Tool 调用、实现 RAG 检索增强生成,掌握 AI 应用开发的全部基础能力。

ChatLanguageModelAI ServicesTool 调用RAGChat MemoryStreamingMCP 协议
第二篇 · 工作流编排

LangGraph4j 完全指南

用图驱动的方式构建 AI Agent。当你需要多步推理、条件分支、循环重试、多 Agent 协作时,LangGraph4j 让你像画流程图一样编排复杂工作流。

StateGraph条件路由ReACT AgentCheckpointHuman-in-the-Loop子图 / 并行
第三篇 · 安全执行

Docker-Java 完全指南

AI Agent 的关键基础设施工具。让 Agent 在安全的 Docker 沙箱中执行代码、管理环境、传输文件——构建生产级 Agent 的最后一块拼图。

DockerClient容器管理Exec 命令执行安全沙箱文件传输Agent Tool 集成

三位一体的 Agent 架构

三个库各司其职,共同构成完整的 AI Agent 技术栈

🧠
LangChain4j
LLM 调用 · Prompt · Tool
AI 的「大脑」
🕸️
LangGraph4j
状态图 · 路由 · 循环
AI 的「神经系统」
🐳
Docker-Java
容器 · 沙箱 · 执行
AI 的「双手」
📐

零基础友好

从环境搭建到实战项目,每一步都有完整代码和详细解释

🔧

可直接运行

所有代码示例均为完整可运行代码,复制即用

🏭

生产级实践

安全沙箱、资源限制、错误处理、超时控制全覆盖

🧩

三篇联动

最终实战项目将三个库完整串联,构建完整 Agent

📋

速查表

每篇教程都包含 API 速查表,开发时随时查阅

🇨🇳

中文原创

非机翻,用中文开发者熟悉的方式讲解