本项目是 AI 超级智能体 项目的 Java 前后端部分，学习自 鱼皮 · 编程导航 的 AI 开发实战课程及开源代码仓库。 基于 Spring Boot 3 + Java 21 + Spring AI 构建了 AI 恋爱大师应用与 ReAct 模式自主规划智能体 YuManus。
| 初始界面 | 对话效果 |
|---|---|
 |
 |
| 初始界面 | 对话效果 |
|---|---|
 |
 |
yu-ai-agent/ # 项目根目录
├── yu-ai-agent-frontend/ # Vue3 前端模块
│ ├── src/ # 前端源码目录
│ ├── package.json # 前端依赖配置
│ ├── vite.config.js # Vite 构建配置
│ └── nginx.conf # Nginx 部署配置
└── yu-ai-agent-backend/ # Java 后端项目模块
├── pom.xml # 父 POM，管理多模块
├── Dockerfile # Docker 构建文件
├── data/ # README 示例截图
├── yu-ai-agent-admin/ # 核心应用模块
│ └── src/main/
│ ├── java/com/yuaiagent/
│ │ ├── advisor/ # 自定义 Advisor（日志、Re-Reading）
│ │ ├── agent/ # AI 智能体（BaseAgent → ReActAgent → YuManus）
│ │ ├── chatmemory/ # 文件持久化对话记忆（Kryo 序列化）
│ │ ├── config/ # 全局配置（CORS、Tool 注册、RAG）
│ │ ├── constant/ # 常量定义
│ │ ├── controller/ # REST API 控制器（AI 对话、健康检查）
│ │ ├── rag/ # RAG 全链路（文档加载/切割/检索/查询增强）
│ │ ├── service/ # 业务服务（恋爱大师、超级智能体）
│ │ └── tools/ # 7 种内置工具
│ └── resources/
│ ├── application.yml # 应用配置
│ ├── application-druid.yml # Druid 数据源配置
│ ├── document/ # RAG 知识库文档（恋爱问答 - 单身/恋爱/已婚篇）
│ └── mcp-servers.json # MCP 服务端连接配置
└── yu-image-search-mcp-server/ # MCP 图片搜索服务模块
└── src/main/
├── java/.../tools/ImageSearchTool.java
└── resources/ # SSE / STDIO 双模式配置
- 多轮对话：基于 Spring AI
ChatClient+ 自定义Advisor实现连贯会话。 - 对话记忆持久化：使用
FileBasedChatMemory+ Kryo 序列化，将会话状态落盘。 - RAG 知识库：加载恋爱领域 Markdown 文档（单身篇/恋爱篇/已婚篇），经文档切割 → PGVector 向量存储 → 查询增强，实现精准知识问答。
- 结构化输出：支持生成恋爱报告等结构化 JSON 输出。
- 工具调用 & MCP：可调用内置工具和外部 MCP 服务辅助回答。
- ReAct 架构：
BaseAgent → ToolCallAgent → ReActAgent → YuManus四层继承体系，实现"思考 → 行动 → 观察"闭环。 - 自主规划：根据用户需求自主推理并调用多种工具，直至完成目标。
- SSE 流式输出：通过 SSE 实时推送智能体推理过程和结果。
| 工具 | 说明 |
|---|---|
WebSearchTool |
联网搜索（SearchAPI） |
WebScrapingTool |
网页抓取（Jsoup） |
FileOperationTool |
文件读写操作 |
ResourceDownloadTool |
资源下载 |
TerminalOperationTool |
终端命令执行 |
PDFGenerationTool |
PDF 文档生成（iText） |
TerminateTool |
终止智能体执行 |
- 独立模块，支持 SSE 和 STDIO 两种通信模式。
- 提供从特定网站搜索图片的能力，可被主应用或其他 MCP 客户端调用。
| 分类 | 技术 |
|---|---|
| 框架 | Spring Boot 3.5 + Java 21 |
| AI 框架 | Spring AI 1.0 + Spring AI Alibaba + LangChain4j |
| 大模型 | 阿里云百炼 DashScope（qwen-plus）/ Ollama 本地模型 |
| 向量数据库 | PGVector（PostgreSQL 扩展） |
| 数据源 | Druid 连接池 |
| API 文档 | Knife4j (Swagger) |
| 工具库 | Hutool、Jsoup、iText、Kryo |
| 协议 | MCP（Model Context Protocol） |
| 部署 | Docker / Serverless |
- JDK 21+
- Maven 3.9+
- PostgreSQL + PGVector 扩展（如使用 RAG/向量存储特性）
编辑 yu-ai-agent-admin/src/main/resources/application.yml，替换以下配置：
spring:
ai:
dashscope:
api-key: 替换为您的API_KEY # 阿里云百炼 DashScope
search-api:
api-key: 替换为您的API_KEY # SearchAPI 联网搜索# 编译打包
mvn clean package -DskipTests
# 启动主应用
java -jar yu-ai-agent-admin/target/yu-ai-agent-admin-0.0.1-SNAPSHOT.jar
# (可选) 启动 MCP 图片搜索服务
java -jar yu-image-search-mcp-server/target/yu-image-search-mcp-server-0.0.1-SNAPSHOT.jardocker build -t yu-ai-agent .
docker run -p 8123:8123 yu-ai-agent启动后访问 Knife4j 接口文档：
http://localhost:8123/api/doc.html
本项目覆盖以下核心知识点（对应原课程 9 期内容）：
- AI 大模型接入 — API / SDK / Spring AI / Ollama 本地部署
- Prompt 工程 — 提示词优化技巧与模板
- Spring AI 核心特性 — ChatClient、Advisor、ChatMemory、结构化输出
- RAG 知识库 — 文档 ETL → 向量存储 → 检索增强 → 全链路调优
- 向量数据库 — PGVector 集成与配置
- Tool Calling — 工具定义、注册与自动调用
- MCP 协议 — 服务开发、SSE/STDIO 通信、安全实践
- AI Agent — ReAct 模式、自主规划智能体开发
- AI 服务化 — SSE 接口、Serverless 部署
- 学习用途：本仓库仅用于个人学习与笔记整理，无任何商业用途。
- 非官方代码：本项目与鱼皮 / 编程导航官方无直接关联，仅参考其公开课程内容进行实践。
- 欢迎扩展：你可以在此基础上继续扩展自己的 AI Agent 实战项目与实验。