1.能够独立的完成JDK安装和环境变量的配置
2.能够理解Java程序的开发流程
3.能够掌握Java的注释，字面量，变量语法知识
4.能够掌握定义各种满足需求的方法
5.能够灵活运用Java的各种运算符处理实际开发的计算需求
6.能够利用流程控制处理各种业务逻辑的编写
7.能够掌握Java的数组完成对数组的存储和处理
8.能够掌握并深刻理解Java面向对象编程思想
9.能够使用JDK常用的API：如Spring,ArrayList,Math,Object等
10.能够编写精准的词汇通过AI高效编程

1.能够应用面向接口编程
2.能够利用JDK的新特性Lambda以及方法引用完成对函数式接口的简化
3.能够利用Java的异常机制解决和处理问题
4.能够阅读以及定义泛型类泛型接口泛型方法解决实际应用的问题
5.能够掌握并理解各种单列集合以及双列集合的底层原理
6.能够利用JDK的Stream流完成对集合的简化操作
7.能够利用Java的I/O技术处理文件以及持久化存储的问题
8.能够利用Java的线程池技术完成对业务的并发处理
9.能够利用Java网络编程技术实现设备和设备之间数据的交互
10.能够掌握Java的时间相关API处理跟时间有关的业务

1.能够精准拆解项目需求，转化为自然语言描述，并熟练运用AI工具完成需求分析、代码生成、Bug修复等全流程开发任务
2.具备对AI生成代码的调试、重构与优化能力，确保代码质量符合企业级项目规范，并能精准匹配业务需求
3.熟练掌握基于SpringBoot3+Vue3的前后端分离架构，具备从系统设计、开发到容器化部署的全链路实战能力
4.掌握用户认证、对象存储等Web项目高频业务场景的标准化实现方案
5.能够基于Linux+Docker完成前后端项目的环境配置、容器化部署
6.深入理解AI辅助开发模式，能通过智能工具显著提升设计、编码效率，以及故障排查速度

1.掌握前后端分离项目的全流程设计、开发、部署
2.能够独立开发入库/出库/库存管理等核心模块
3.能够设计并开发物联网监控系统
4.能够独立分析出入库核心业务并进行项目实战
5.能够集成AI大模型开发智能仓储助手
6.能够设计高并发技术方案（Redis+MQ集群）
7.能够实现多租户SaaS技术方案与数据隔离
8.能够设计并落地用户认证授权技术方案
9.能够设计并实现智能货位分配算法
10.熟练掌握低代码平台的使用及优化
11.能够实现第三方物流接口集成
12.能够编写复杂报表 SQL 并优化查询性能
13.应用 Redis 缓存和时间序列数据库优化性能
14.掌握线上故障处理的流程与常用方法
15. 掌握AI Flow应用开发方法
16.掌握AI智能体应用开发方法

1. 能够掌握 Python 语言的特点
2. 能够独立搭建 Python 的开发环境
3. 能够掌握 Python 的基础语法
4. 能够掌握 Python 的数据容器的特点和操作
5. 能够掌握 Python 的函数定义和使用
6. 能够掌握 Python 的面向对象的思想
7. 能够掌握 Python 的面向对象的特性(封装、继承、多态)
8. 能够掌握 Python 中异常的处理方式
9. 能够清楚大模型概念和历史发展
10. 能够理解深度学习在大模型领域的作用
11. 掌握掌握提示词工程的特征和原则
12. 掌握完成金融行业文本分类的任务
13. 掌握完成金融行业文本信息抽取的任务
14. 掌握完成金融行业文本匹配的任务
15. 理解什么是 LangChain
16. 了解 LangChain 常见的使用场景
17. 明确 LangChain 主要组件的作用
18. 能够完成使用 LangChain 对接外部大模型
19. 能够完成使用 LangChain 完成 RAG 案例

1. 知道 AI 项目应用中的痛点
2. 理解什么是模型
3. 理解预训练和微调
4. 知道 AE 模型预训练方法
5. 知道 AR 模型的预训练方法
6. 完成环境安装
7. 知道数据的组成要素
8. 数据的划分方法
9. 知道什么是分词
10. 知道什么是词表
11. 知道什么是词向量
12. 知道神经元的构成
13. 常见的激活函数及其特点
14. 能够使用 torch 构建神经网络
15. 掌握深度学习中损失函数
16. 知道梯度下降算法
17. 知道梯度下降算法的问题
18. 知道什么是 adam 优化器
19. 理解模型的欠拟合、过拟合和正好拟合
20. 掌握深度学习中的正则化方法
21. 实践手机价格区间分类任务
22. 知道 huggingFace 的应用
23. 知道 pipeline 模型和自动模型
24. 能够利用 datasets 加载数据集
25. 实践文本分类任务
26. 知道什么是情境学习和思维链
27. 知道 PEFT 微调方法
28. 理解 lora 微调
29. 实践大模型微调任务
30. 知道模型压缩的意义
31. 知道模型压缩的方法
32. 实践模型量化

1. 能够掌握企业级项目环境搭建和调试
2. 能够掌握 RAG 系统开发全流程
3. 能够掌握 RAG 项目的分层架构、模块化设计
4. 能够掌握向量数据库（Milvus）的使用和优化
5. 能够掌握大语言模型（通义千问）的集成调用
6. 能够掌握对项目的缓存优化
7. 能够掌握稀疏向量和稠密向量的使用
8. 能够掌握系统性能评估方法：RAGAS 评估框架、多维度指标分析
9. 能够具备生产级系统部署能力：FastAPI 服务化、流式输出、会话管理

1. 掌握 Spring Cloud Alibaba 微服务技术栈
2. 掌握高可靠性的消息队列方案
3. 掌握分布式搜索解决方案
4. 掌握 Redis 高级知识及底层原理
5. 掌握微服务热点难点面试题及底层原理
6. 掌握单体项目迁移至微服务项目常见技术方案
7. 掌握 Spring Cloud Alibaba AI 构建 AI 聊天

1.掌握 Spring Cloud Alibaba 核心组件的选型与集成。
2.具备微服务拆分、网关路由、服务治理、分布式事务等核心能力。
3.能独立完成从需求分析到上线运维的全流程企业级项目开发。
4.结合 AI 辅助工具，提升开发效率与代码质量。

1. 本课程以智能体服务化为设计理念，从零搭建智能体服务中台（AgentCenter），支持各类业务系统快速对接，实现业务智能化升级。
2. AgentCenter 采用 LangGraph 与 A2A 协议两种企业主流方案实现 Routing Agent，集成会话记忆、Tool Calling 等核心能力，并支持**多租户架构设计。
3. 为 AgentCenter 提供专属网关层，实现统一认证、限流、熔断、负载均衡等高可用保障。
4. 基于 MCP 标准协议封装业务系统接口工具，实现 LangGraph 与 A2A 协议无缝集成。

1.使学生系统掌握Claude Code的基本原理、核心功能与高阶应用
2.能够在实际项目中独立使用AI编程代理完成代码编写、调试、重构与项目管理任务。