跳到主要内容

大麦AI项目介绍

AI 来了​

AI 目前来说可以是非常非常的火热！但凡是个程序员都不好意思说没用过 AI，在面试的时候面试官也爱问 AI 这些东西。

尤其是又出现了AI Agent、RAG、向量数据库、MCP这些东西，进一步对 AI 进行了赋能。让 AI 的火热程度又燃烧了一把！

对于 Java 来说，在使用 AI 上也是迎来了一次大的变革，它就是 SpringAI！

看名字就知道它是由 Spring 官方团队开发的，与 SpringBoot 高度的集成，在使用体验上非常的爽快，

还是 "配置 --> 注入 --> 使用" 这三把斧。

项目介绍​

大麦AI 是一套具有 AI 实战意义的项目，通过此项目能够帮助大家掌握 AI 的核心技能，包括：AI 的概念和作用、AI的模型、AI的使用、AI的开发。

用户可以通过 AI 模型，智能的帮用户推荐想要看的节目和演唱会，显示节目和演唱会的详情介绍、演出时间、各个票档价格、是否有余票，以及帮助生成订单等功能。

有时用户想了解相关的购票和退票规则，如果自己在系统中搜索的话，需要一点点仔细的查询，这样会花费很长的时间。通过 AI 模型，用户可以直接询问想要了解的规则，AI 模型就会根据已经制定好的规则内容根据用户的问题来将对应的内容告诉给用户。

这个项目到底是干什么的​

说白了，这个项目就是给大麦购票系统做了一套智能助手。你可以把它理解成两个AI小帮手：

一个叫麦小蜜，专门帮用户买票。用户想看演唱会、想买话剧票，不用自己在APP里到处找，直接跟麦小蜜聊天就行。告诉它"我想在北京看周杰伦的演唱会"，它就能帮你查节目、看票价、甚至直接下单。

另一个叫麦小维，是给运维同学用的。系统出问题了，不用自己去翻日志、看监控，问麦小维就行。它能帮你查日志、追踪链路、分析问题，还能给出解决建议。

还有一个规则助手，用来回答订票规则、退票政策这类问题。用户问"演唱会能退票吗"，它能从知识库里找到答案，不用客服一个个回复了。

为什么要做这个项目​

其实做这个项目的原因挺现实的。

购票系统的客服压力真的很大。每天有多少人问"这个演唱会还有票吗"、"怎么选座位"、"能不能退票"，这些问题其实答案都是固定的，但就是需要人来回答。高峰期的时候，客服根本忙不过来，用户等半天也得不到回复，体验很差。

运维这边也是一样。系统一有问题，告警就刷刷刷地来。值班的同学要在好几个系统之间来回切换：先看告警是什么，再去日志平台查日志，然后去监控平台看指标，有时候还要问问其他同事。一个问题排查下来，半个小时就没了。

所以就想着，能不能用AI来解决这些问题？让AI来回答那些重复的问题，让AI来帮忙排查故障，把人从这些琐事里解放出来。

能学到的硬货

此项目集成了目前主流的 AI 技术，通过此项目你能学到

  • SpringBoot 框架的深度使用和自动装配的实际应用

  • RAG、向量数据库的作用和使用

  • SpringAI 的深度适配以及注意项

  • 不同 AI 模型的特点以及如何使用（Ollama、OpenAI、DeepSeek、阿里百炼）

  • Advisor 的自定义高级玩法

  • Function Calling 的深度使用

  • MCP 模型的深度使用

  • RAG 的实战应用

  • VectorStore 向量数据库的实战应用

  • 文档内容的抓取分析

  • AI 和传统数据库的相互协调

  • 和传统项目的高级交互

  • Cursor 工具的深度使用


和其他项目的联动

真实的 AI 项目肯定不是自己单独的执行逻辑，自己和自己玩，而是要和其他不同的项目进行交互，查询数据，修改数据，提供文件 等等。

大麦AI 就是做到了和之前开发的 大麦 进行联动，大麦 负责高并发业务的逻辑执行，大麦AI 负责和用户进行高度智能的交互。


大麦项目

大麦项目是用来应对高并发产生的各种问题，设计各种实际落地的解决方案，如：分库分表、锁的优化、缓存穿透、缓存雪崩、缓存击穿，以及 如何解决高流量下的订单生成、缓存中如何分片存储数据、快速扣减库存 等等一系列问题。

大麦项目代码地址： 👉 点击即可跳转

大麦项目详细介绍： 👉 点击即可跳转


项目流程

大麦AI 是根据官方正式版的文档进行搭建的，将 每一步搭建、每一步执行、每一步踩坑 都进行了总结。如果公司需要的话，小伙伴可以直接拿这套架构用到自己的项目上。