第一章 先想明白：你转的到底是 "AI 开发" 还是 "Agent 工程"
很多 Java 后端第一次接触 AI，会把三件事混成一件事：调用大模型、RAG、Agent。这三者的技术含量和面试含金量差着好几个等级，混着学的人最后往往什么都学不深。
调用大模型是最底层的东西。用户把一段异常日志丢给模型，模型回一段分析，这就是一个 LLM Application。它是一条直线：用户 → Prompt → LLM → 回答。你写个 Controller，调一次 API，把结果原样返回，完了。这条路三个月前还有人在学，现在没有任何壁垒。
RAG往上走一层。文档解析、切分、Embedding、向量检索、重排，最后把检索到的上下文喂给模型。它解决的是 "模型不知道你企业的私有知识" 这个问题。这一层有工程含量，但它本质上还是个 "检索 + 生成" 的管道，路径基本固定。
Agent是另一个物种。它的执行路径不是固定的，是模型在约束范围内现场决定的。用户说 "帮我分析昨天 Flink 任务为什么失败"，传统程序是写死if (有异常) 查日志 else 查 checkpoint，而 Agent 会自己规划：先查异常日志，发现 OOM，再查最近一次 checkpoint 大小，发现从 300MB 涨到 4GB，再查 Kafka backlog，发现 lag 爆炸，最后综合出结论 "checkpoin
