前言
直到2025年初，我还觉得AI就是ChatGPT。
无非是一个更聪明的搜索引擎。
真正开始研究AI应用开发后，我发现远远没有那么简单。
那段时间，我每天都在刷招聘网站。
看AI应用开发岗位。
看大模型相关岗位。
看各种技术交流群里的讨论。
然后我发现一个词出现频率特别高：
RAG。
几乎所有AI应用开发岗位都会提到它。
最开始我以为：
RAG一定是什么复杂算法。
甚至以为要研究模型训练、深度学习才能搞懂。
后来真正做完自己的第一个RAG项目后才发现：
RAG并没有想象中那么神秘。
它本质上是在解决一个非常现实的问题：
如何让大模型拥有企业自己的知识。
而这也是我AI转型过程中完成的第一个完整项目。
为什么我选择先做RAG
刚开始学习AI的时候。
我也很迷茫。
因为网上能看到的东西太多了。
有人在讲：
- Agent
- Workflow
- MCP
- Function Calling
有人在讲：
- LangChain
- Spring AI
- Dify
- FastGPT
还有人在讲：
- 微调
- 蒸馏
- 推理优化
看得越多。
反而越不知道从哪里开始。
后来我做了一件很简单的事：
去看招聘网站。
看看企业到底在招什么人。
结果发现：
大部分AI应用开发岗位都会提到几个关键词：
- RAG
- Agent
- AI助手
- 企业知识库
而在这些方向里。
RAG又是最容易落地，也是应用最成熟的场景之一。
于是我决定：
先别研究那些复杂概念。
先做出一个真正能运行的RAG项目。
我以为最难的是技术
真正开始做项目之前。
我以为最大的挑战会是：
- 大模型
- 向量数据库
- AI算法
后来发现完全不是。
最难的其实是：
信息太多。
概念太多。
框架太多。
每天打开B站。
打开公众号。
打开技术社区。
都能看到各种新名词。
有时候看了一天视频。
反而越来越迷茫。
后来我给自己定了一条原则：
不要一直学。
边学边做。
不会就查。
查完就写代码。
事实证明。
这是我整个转型过程中做得最正确的一件事。
我的20天学习路线
很多朋友问：
RAG到底学了多久？
其实严格来说。
从开始接触到项目跑通。
大概用了20天左右。
当然这20天并不是全天投入。
而是边学习边开发。
大概经历了几个阶段。
第一阶段：学会调用模型
最开始甚至不会调用API。
只知道使用ChatGPT网页版。
后来开始学习：
- API调用
- Message结构
- Prompt设计
- Token概念
写出了自己的第一个AI聊天程序。
第二阶段：接触AI开发框架
聊天程序跑通之后。
开始接触：
- Spring AI
- LangChain4j
这些AI开发框架。
第一次意识到：
原来大模型并不只是聊天。
还可以接入：
- 知识库
- 搜索
- 工作流
- 业务系统
开始有了AI应用开发的概念。
第三阶段：接触向量数据库
然后开始接触：
- Embedding
- Milvus
- 向量检索
这时候才发现：
企业知识库的核心并不是大模型。
而是数据。
如何让大模型找到正确的数据。
远比选择哪个模型更重要。
第四阶段：完成第一个RAG项目
最终完成：
- 文档上传
- 文档解析
- 文本切分
- 向量化
- 相似度检索
- 智能问答
整个链路打通。
虽然只是第一版。
但它已经能够真正回答知识库中的问题。
这也是我第一个真正意义上的AI应用项目。
做完之后我最大的收获
完成项目后。
我最大的感受其实不是：
我学会了RAG。
而是：
AI并没有想象中那么遥不可及。
很多人看到：
- Agent
- RAG
- 大模型
会觉得这是一个非常高门槛的领域。
但真正开始做之后会发现：
对于传统开发者来说。
很多能力其实是共通的。
例如：
- 系统设计
- 数据处理
- 接口开发
- 架构设计
这些经验并没有失效。
只是服务的对象发生了变化。
从传统业务系统。
变成了AI系统。
AI应用开发到底在做什么
在做这个项目之前。
我一直以为：
AI开发就是研究模型。
做完之后我才发现。
企业里的AI应用开发更多是在解决工程问题。
例如：
- 如何组织知识
- 如何管理数据
- 如何控制成本
- 如何降低幻觉
- 如何让系统稳定运行
而这些问题。
恰恰是传统开发者最容易发挥价值的地方。
这也是为什么我越来越坚定地认为：
AI应用开发会成为未来几年非常重要的方向之一。
写在最后
这一篇更多是在记录我的学习过程。
而不是讨论具体技术实现。
如果说这一篇是在回答：
“我是如何做出第一个RAG项目的？”
那么下一篇。
我会详细拆解：
“这个RAG项目到底是怎么实现的？”
包括：
- 为什么采用 MySQL + Milvus 双存储设计
- Chunk应该如何切分
- 向量库如何设计
- 检索策略如何优化
- Prompt如何组装
- 为什么第一版没有引入Rerank
以及整个项目的核心架构设计。
另外，在开发过程中我也一直在思考另一个问题：
对于Java开发者来说。
面对Spring AI、LangChain4j、Dify、FastGPT等越来越多的AI框架，到底应该如何选择？
Python生态如此强势。
Java开发者还有机会吗？
这些也是我后续准备持续探索的话题。
📖系列目录
- 第1篇：30岁+、10年Java，我决定转向AI应用开发
- 第2篇：公司裁员后，我花了20天做出了第一个RAG项目（本文）
