Jins' Blog

GPT-5.4:从 Java 到 Agent 开发：后端工程师在 AI 时代的转型路线

Sun, 14 Jun 2026 21:00:00 GMT

从 Java 到 Agent 开发：后端工程师在 AI 时代的转型路线

导语：AI 能力正在快速下沉到各类业务系统中。对于后端工程师而言，真正重要的变化并不是“是否会调用大模型”，而是“是否具备将大模型纳入稳定系统的能力”。Java 开发者通常已经具备接口设计、状态管理、权限控制和系统治理能力，这些能力与 Agent 开发高度相关。

一、为什么 Java 开发者适合转 Agent？

Agent 开发在工程本质上仍然是复杂系统设计，其核心问题包括：

如何理解用户输入
如何拆解任务步骤
如何调用外部工具
如何保存和恢复上下文
如何控制多轮对话状态
如何校验结果并支持回滚
如何在异常场景下完成重试与降级

这些能力与 Java 后端开发高度重合。Spring Boot、接口设计、缓存、消息队列、任务调度、权限控制和监控告警等经验，并不会因为 AI 出现而失效，反而会在 Agent 场景中变得更重要。

如果说传统后端的重点是实现业务接口，那么 Agent 开发的重点则是设计可控、可观测、可扩展的智能流程。转型的关键不是重新学习一套完全不同的思路，而是将既有后端能力迁移到 AI 系统中。

二、先建立正确认知：Agent 不是更聪明的聊天机器人

Agent 不是“更聪明的聊天机器人”。从工程角度看，它是一类围绕大模型能力构建的任务执行系统。

一个可用的 Agent 通常至少包含四层能力：

理解问题
规划步骤
调用工具
反思结果

它更接近于“由大模型驱动的工作流系统”。大模型负责语义理解、策略判断和内容生成，真正的执行仍然依赖系统、数据库、接口、消息队列和权限体系。

因此，Agent 开发并不是对热点概念的追逐，而是将“业务开发能力”升级为“智能系统设计能力”。

三、 Java 开发者要先学什么？

1. 大模型基础能力

首先需要理解大模型的工作机制，而不仅仅是完成 API 调用。

重点包括：

Prompt 设计
上下文窗口
Token 成本
温度、Top-p 等生成参数
多轮对话状态管理
Function Calling / Tool Use
Structured Output

学习这一部分的目的，不是让你转型为算法工程师，而是建立对模型能力边界的判断。

2. RAG 检索增强生成

如果面向企业场景开发应用，RAG 基本属于必修内容。

需要重点掌握：

文档切分
向量化
向量数据库
召回与重排
Chunk 策略
上下文拼接
结果引用和溯源

常见技术栈包括：

Milvus
pgvector
Elasticsearch 向量检索
Redis 向量能力
PostgreSQL + pgvector

很多 Agent 型产品的底层实现，实际上是 RAG、工具调用和工作流编排的组合。就落地优先级而言，RAG 往往是最先见效的能力。

3. Agent 编排与工作流

生产环境中的 Agent 不应完全依赖模型自由发挥。更合理的方式是让模型负责决策，让流程负责执行。

需要学习的内容包括：

工作流编排
状态机
任务拆解
多步骤执行
失败重试
人工介入
结果校验

如果已经熟悉 Java 生态，可以重点关注：

Spring AI
LangChain4j
Temporal
Apache Camel
规则引擎
任务调度框架

核心原则是：让模型负责“判断”，让系统负责“执行”。

4. 评估与可观测性

许多 AI 项目并不是失败在原型阶段，而是失败在稳定性和可观测性不足。

因此还需要建立以下能力：

Prompt 版本管理
输出质量评估
召回效果评估
对话日志分析
成本监控
延迟监控
错误追踪
A/B 测试

Agent 系统不是一次性完成的功能，而是需要持续调优的工程系统。缺少评估体系，就无法形成有效迭代。

5. 安全与权限控制

当 Agent 接入真实业务系统后，安全问题会迅速成为核心问题。

需要重点关注：

工具权限控制
敏感数据脱敏
Prompt 注入防护
结果越权防护
审计日志
人工确认机制

Java 开发者通常在这一领域具有较强优势，因为权限、认证、审计与企业安全本就是后端开发的基础能力。

四、推荐的技术栈路线

如果希望从 Java 平滑转向 Agent 开发，可以按以下路径推进：

基础层

Java 17 或 21
Spring Boot
REST API / SSE / WebSocket
Redis
PostgreSQL
Docker
Linux 基础

AI 应用层

Spring AI 或 LangChain4j
OpenAI / Claude / Gemini 等模型 API
Function Calling
RAG
Embedding
Vector DB
Prompt 模板化

工程化层

消息队列
定时任务
工作流引擎
日志与监控
Trace 与 Metrics
配置中心
灰度发布

进阶层

多 Agent 协作
规划与反思
长短期记忆
结构化输出约束
自动评测
Agent 安全

五、最值得做的项目有哪些？

仅依靠教程很难真正掌握 Agent 开发，必须通过项目验证理解。以下项目更适合 Java 开发者入门。

1. 企业知识库问答系统

这是最常见、也最适合入门的项目形态。

你要实现：

文档导入
文档切分
向量检索
问答生成
引用来源
权限隔离

该项目有助于系统理解 RAG、Embedding、向量库以及检索质量控制。

2. 会议纪要整理 Agent

输入会议录音转写内容后，系统自动输出：

会议摘要
任务清单
责任人
截止时间
风险点

该项目适合练习结构化输出、信息抽取和结果稳定性控制。

3. 工单分流 Agent

用于自动识别用户工单的类别，并完成：

分类
优先级判断
路由分配
自动回复建议

该项目能够直接接触真实业务流程，适合企业场景验证。

4. 代码助手或代码审查 Agent

让 Agent 读取仓库内容，并执行以下任务：

解释代码
发现潜在问题
生成变更建议
总结 PR 风险
自动补充测试建议

该项目与 Java 程序员的既有经验高度契合，因为你对代码结构和工程质量更敏感。

5. 运维排障 Agent

输入告警信息、日志和服务状态后，输出：

可能原因
排查步骤
建议操作
风险等级

该项目更接近真实生产环境，能够较好地体现 Agent 的系统价值。

6. 业务流程执行 Agent

例如：

自动生成报表
自动查询订单
自动发邮件
自动更新 CRM
自动同步状态

该项目能够检验工具调用、权限控制与回滚机制是否完整。

六、从 Java 转 Agent 的学习路径

如果希望高效转型，可以分为四个阶段推进。

第一阶段：补 AI 基础

目标是建立对大模型应用的基本认知。

你要掌握：

Prompt
Chat API
Function Calling
JSON 输出
向量检索
基础 RAG

第二阶段：做一个可用产品

目标是将 AI 能力接入业务流程。

建议做：

文档问答
会议总结
智能客服
工单分类

这一阶段不应优先追求复杂度，而应优先保证可交付性和稳定性。

第三阶段：做工作流和工具调用

目标是将单轮问答升级为任务执行。

你要重点学：

多步任务编排
错误处理
结果校验
人工确认
状态持久化

第四阶段：做生产级 Agent

目标是进入生产级工程化阶段。

你要补：

可观测性
成本优化
安全审计
评测体系
多模型路由
缓存与降级

七、 Java 开发者的优势在哪里？

不少开发者在面对 AI 转型时会产生焦虑，但 Java 开发者实际上具备明显的迁移优势：

你熟悉业务系统设计
你理解后端稳定性
你知道如何做权限和审计
你有工程化思维
你擅长把复杂问题拆成模块

Agent 开发真正缺少的，并不是“会调用模型的人”，而是“能够将模型接入业务系统的人”。

这也是 Java 开发者最容易建立竞争壁垒的方向。

八、总结

如果你计划从 Java 转向 Agent 开发，建议不要一开始就投入到“多 Agent 自主进化”这类概念中。更合理的路径是从基础能力入手，逐步建立完整的工程闭环：

先学会大模型 API
再学 RAG
再学工具调用
再学工作流编排
最后补安全、评估和运维

AI 时代真正具备长期价值的，不是单纯会写 Prompt 的开发者，而是能够将 AI 能力稳定集成到生产系统中的工程师。对于 Java 开发者来说，这条路径是清晰且可落地的。

B+ 树索引原理与慢查询排查

Fri, 27 Mar 2026 21:00:00 GMT

图解 MySQL：小白也能看懂的 B+ 树索引原理与慢查询排查

导语：在日常的 CRUD 开发中，数据库往往是性能的第一个瓶颈。这篇文章不聊枯燥的八股文，而是从实际业务场景出发，白话拆解 B+ 树的底层逻辑，并总结日常开发中最容易踩坑的慢查询与索引失效场景。

一、为什么我们需要索引？

想象一下，你的校园跑腿系统里已经积累了 10 万条订单数据。现在前端发来一个请求：查询学号为 20230001 的同学发布的所有订单。

SELECT * FROM errand_orders WHERE student_id = '20230001';

如果没有索引，MySQL 只能像一个笨拙的图书管理员，从第一条订单开始，一条一条地对比学号，直到翻完这 10 万条数据。这在术语上叫作全表扫描（Full Table Scan）。当并发量一大，数据库的 CPU 瞬间飙升，你的后端就会开始疯狂报错超时。

而索引，本质上就是给数据库建了一本“字典的目录”。有了目录，我们就能快速定位到需要的数据页，避免盲目翻找。

二、核心原理解析：为什么偏偏是 B+ 树？

在众多的数据结构（如哈希表、二叉树）中，MySQL 的 InnoDB 引擎唯独钟情于 B+ 树。为了看懂 B+ 树，我们只需要记住它最核心的两个设计哲学：

1. 它是“矮胖型”的（减少磁盘 I/O）

相比于普通的二叉树，B+ 树的每个节点可以容纳非常多的键值。这就意味着，哪怕你有千万级别的数据，B+ 树的高度通常也只有 3 到 4 层。要知道，数据库读取一个节点往往对应一次磁盘 I/O，树越矮，读取速度就越快。

2. 数据都在叶子节点，且用双向链表相连（天生适合范围查询）

在 B+ 树中，上面的非叶子节点只起到“路标”的导航作用，真实的完整数据（或主键值）全部安静地躺在最底层的叶子节点里。更绝的是，这些叶子节点之间用双向链表连接了起来。

回到我们的跑腿系统：如果我想查“昨天到今天的所有订单”（范围查询），MySQL 只需要通过树结构快速找到昨天的第一条订单，然后顺着叶子节点的链表往后摸瓜，直接把今天的数据全部拿出来，简直丝滑！

三、慢查询怎么排查？请出 EXPLAIN 照妖镜

懂了原理，下面来看实战。在开发中遇到慢得离谱的 SQL，第一反应绝对不是瞎猜，而是使用 MySQL 的 EXPLAIN 关键字。

只需要在你的 SQL 语句前面加上 EXPLAIN：

SQL

EXPLAIN SELECT * FROM errand_orders WHERE student_id = '20230001';

MySQL 不会真正执行这条语句，而是会返回它的执行计划。面对一长串结果，初学者只需要死死盯住两个关键字段：

type（访问类型）： 衡量 SQL 好坏的直观指标。如果看到的是 ALL，说明是最可怕的全表扫描；如果是 ref（普通索引等值查询）或者 range（索引范围查询），说明索引生效了。
Extra（额外信息）： 如果这里出现了 Using filesort（在内存或磁盘中进行了额外的排序）或者 Using temporary（使用了临时表），这通常意味着你的查询还有很大的优化空间，需要考虑调整索引。

四、进阶实战：联合索引与防不胜防的“索引失效”

在实际的业务开发中，单列索引往往不够用。为了应对复杂的查询条件（比如同时按学号和订单状态查询），我们经常需要把多个字段组合起来建立联合索引。但索引也是有脾气的，稍微不注意就会直接罢工。

1. 联合索引与“最左前缀法则”

联合索引的 B+ 树是严格按照你定义索引时的字段顺序来排序的。这就像我们查实体电话簿：先按姓氏排序，姓氏相同的再按名字排序。

假设我们在 (student_id, status) 上建立了联合索引，这就必须遵循最左前缀法则：

✅ WHERE student_id = '20230001' AND status = 'WAITING'：完美走索引。
✅ WHERE student_id = '20230001'：能走索引（只用了姓氏，也能缩小范围）。
❌ WHERE status = 'WAITING'：不走索引！（跳过姓氏直接按名字查电话簿，无从下手，只能全表扫描）。

2. 错题本：索引为什么突然失效了？

很多时候明明建了索引，但 EXPLAIN 显示 type 依然是 ALL。以下三个坑，排查 Bug 时优先对比：

坑一：隐式类型转换（最容易犯的低级错误）

假设表里的 student_id 是 VARCHAR 字符串类型，但后端传参时传了整型数字：

❌ 错误： WHERE student_id = 20230001;
✅ 正确： WHERE student_id = '20230001';
原因： 类型对不上时，MySQL 会偷偷在底层使用转换函数处理这个字段。铁律：只要对索引列使用了函数，索引立刻失效！

坑二：对索引列做运算或显式使用函数

❌ 错误： WHERE YEAR(create_time) = 2026;
✅ 正确： WHERE create_time >= '2026-01-01' AND create_time < '2027-01-01';
原因： B+ 树里存的是原始日期数据，拿着 YEAR() 函数计算后的结果去树里找，树根本认不出来。

坑三：LIKE 查询的“左侧模糊”

✅ 走索引： WHERE remark LIKE '加急%'（明确了开头，可以在 B+ 树里顺藤摸瓜）。
❌ 不走索引： WHERE remark LIKE '%加急%'（开头是未知的，B+ 树无法进行初步的比较和排序）。

五、总结

MySQL 的性能调优是一门细致的学问。作为后端，千万不要迷信“只要加了索引就万事大吉”，建多了反而会拖慢 INSERT 和 UPDATE 的速度。在写完一段复杂的查询后，都应该习惯性地跑一遍 EXPLAIN。把这些常见的失效场景当成避坑指南，慢慢地，写出高性能 SQL 就会成为一种肌肉记忆。

Hello World

Thu, 26 Mar 2026 00:00:00 GMT

终于，我有了一个属于自己的“秘密基地”

“折腾”大概是每一个程序员的宿命。

经历了选框架、挑主题、踩坑 Cloudflare Pages 静态部署、和 Git 的 rejected 报错斗智斗勇之后，Jins' Blog 终于正式和大家见面了。

既然是第一篇文章，就当做是一个简单的自我介绍和近况复盘吧。

理论与实践的碰撞：我的 Spring Boot 毕设

我现在是一名即将毕业的大学生，同时也是一枚正在踩坑前行的 Java 实习生。

这段时间，我的主要精力除了应付面试，找实习，就是肝我的毕业设计——一套基于 Spring Boot 的校园跑腿服务系统。

做这个项目的过程，其实也是我把大学里学到的那些零散的计算机网络、数据库原理、Java Web 知识，像拼图一样一块块拼凑起来的过程。

当然了，现在是2026年,AI正在飞速发展，我也尝试了Vibe Coding，AI工具真的是好多，从UI设计，网站图标到前后端的技术选型以及网站的部署，都有AI的帮忙，真的是极大地提高了开发一个项目的效率。

大部分时间都是在和Ai聊天，哈哈哈 :)

AI发展的好快

每隔几天就有一个优秀的AI工具诞生，感觉很容易就落后了，实习也好难找/(ㄒoㄒ)/~~

接下来写点什么？

建立这个博客的初衷，不仅是为了记录技术上的踩坑日常，也是为了给自己留一个纯粹的思考空间。

路漫漫其修远兮，吾将上下而求索。

你好，世界。这里是 Jins 的博客，咱们江湖再见！

Markdown 语法支持

Sat, 26 Jul 2025 08:00:00 GMT

基本语法

Markdown 是一种轻量级且易于使用的语法，用于为您的写作设计风格。

标题

文章内容较多时，可以用标题分段：

# 标题 1

## 标题 2

## 大标题

### 小标题

标题预览会打乱文章的结构，所以在此不展示。

粗斜体

_斜体文本_

**粗体文本**

**_粗斜体文本_**

预览：

斜体文本

粗体文本

粗斜体文本

链接

文字链接 [链接名称](http://链接网址)

预览：

文字链接链接名称

行内代码

这是一条 `单行代码`

预览：

这是一条 行内代码

代码块

```js
// calculate fibonacci
function fibonacci(n) {
  if (n <= 1) return 1
  return fibonacci(n - 1) + fibonacci(n - 2)
}
```

预览：

// calculate fibonacci
function fibonacci(n) {
  if (n <= 1) return 1
  return fibonacci(n - 1) + fibonacci(n - 2)
}

当前使用 shiki 作为代码高亮插件，支持的语言请参考 shiki / languages。

行内公式

这是一条行内公式 $e^{i\pi} + 1 = 0$

预览：

这是一条行内公式 $e^{i\pi} + 1 = 0$

公式块

$$
\hat{f}(\xi) = \int_{-\infty}^{\infty} f(x) e^{-2\pi i x \xi} \, dx
$$

预览：

$$ \hat{f}(\xi) = \int_{-\infty}^{\infty} f(x) e^{-2\pi i x \xi} , dx $$

当前使用 KaTeX 作为数学公式插件，支持的语法请参考 KaTeX Supported Functions。

图片

![avatar](https://github.com/colaTIEZ.png)

预览：

删除线

~~删除线~~

预览：

~~删除线~~

列表

普通无序列表

- 1
- 2
- 3

预览：

普通有序列表

1. GPT-4
2. Claude Opus
3. LLaMa

预览：

GPT-4
Claude Opus
LLaMa

列表里可以继续嵌套语法

引用

> 枪响，雷鸣，剑起。繁花血景。

预览：

枪响，雷鸣，剑起。繁花血景。

引用里也可以继续嵌套语法。

换行

markdown 分段落是需要空一行的。

如果不空行
就会在一段

第一段

第二段

预览：

如果不空行就会在一段

第一段

第二段

分隔符

如果你有写分割线的习惯，可以新起一行输入三个减号--- 或者星号 ***。当前后都有段落时，请空出一行：

---

预览：

高级技巧

行内 HTML 元素

目前只支持部分段内 HTML 元素效果，包括 <kdb>  ，如

键位显示

使用 <kbd>Ctrl</kbd> + <kbd>Alt</kbd> + <kbd>Del</kbd> 重启电脑

预览：

使用 Ctrl + Alt + Del 重启电脑

粗斜体

<b> Markdown 在此处同样适用，如 _加粗_ </b>

预览：

Markdown 在此处同样适用，如加粗

其他 HTML 写法

折叠块

<details><summary>点击展开</summary>它被隐藏了</details>

预览：

表格

| 表头1 | 表头2 |
| ----- | ----- |
| 内容1 | 内容2 |

预览：

| 表头1 | 表头2 | | ----- | ----- | | 内容1 | 内容2 |

注释

在引用的地方使用 [^注释] 来添加注释。

然后在文档的结尾，添加注释的内容（会默认于文章结尾渲染之）。

[^注释]: 这里是注释的内容

预览：

在引用的地方使用 ^注释来添加注释。

然后在文档的结尾，添加注释的内容（会默认于文章结尾渲染之）。

To-Do 列表

- [ ] 未完成的任务
- [x] 已完成的任务

预览：

[ ] 未完成的任务
[x] 已完成的任务

符号转义

如果你的描述中需要用到 markdown 的符号，比如 _ # * 等，但又不想它被转义，这时候可以在这些符号前加反斜杠，如 \_ \# \* 进行避免。

\_不想这里的文本变斜体\_

\*\*不想这里的文本被加粗\*\*

预览：

_不想这里的文本变斜体_

**不想这里的文本被加粗**

内嵌 Astro 组件

See User Components and Advanced Components for details.

Using MDX

Sun, 01 Jun 2025 00:00:00 GMT

This theme comes with the @astrojs/mdx integration installed and configured in your astro.config.ts config file. If you prefer not to use MDX, you can disable support by removing the integration from your config file.

Why MDX?

MDX is a special flavor of Markdown that supports embedded JavaScript & JSX syntax. This unlocks the ability to mix JavaScript and UI Components into your Markdown content for things like interactive charts or alerts.

If you have existing content authored in MDX, this integration will hopefully make migrating to Astro a breeze.

Example

Here is how you import and use a UI component inside of MDX.
When you open this page in the browser, you should see the clickable button below.

import { Button } from 'astro-pure/user'

Click Me