资源介绍
视频数量：31个
总时长：2小时41分
课程介绍：
Kotlin智能体开发实战：用Koog构建JVM上的AI应用
你有没有想过，用自己熟悉的Kotlin也能写出真正能干活儿的AI智能体？不是那种只会聊天的机器人，而是能调用工具、读写文档、记住上下文、还能部署成后端服务的完整系统。这门课讲的就是这件事——借助JetBrains推出的Koog框架，在JVM上从零搭建一个生产级的Agentic AI应用。
讲师Hamid在开篇就定了一个基调：第一节课不讲代码，只讲思维模型。因为一旦把"LLM调用"和"真正的智能体"之间的区别想清楚，后面所有代码就都顺理成章了。你会先理解智能体循环在底层是怎么运转的，工具调用和自主决策到底是什么关系，然后见到Koog本身，了解一个智能体的内部结构是什么样的。这部分大概只占十几分钟，但效果立竿见影——看完下一节，你就能在自己电脑上跑起来一个能工作的智能体了。
第二部分进入实战环节。这里有一个很贴心的设计：课程教你不花一分钱也能跑起来。通过安装Ollama，你可以在本地用Llama 3.2这种开源模型驱动整个智能体，完全不需要OpenAI的API Key。如果你想用GPT-4o，课程也提供了配置方法。整个项目搭建过程被拆得很细，从创建Gradle工程、引入Koog依赖，到写一个五行的Hello Agent，每一步都讲清楚为什么这么做。课程还会带你理解Kotlin AI技术栈的全貌，搞清楚Koog在这个生态里处于什么位置，和LangChain、Spring AI这些方案有什么区别。
第三部分讲LLM基础与结构化输出。这一节专门解决两个常见痛点：一是模型回答太松散，二是回答可能一本正经地胡说八道。讲师用"刚好够用"的篇幅讲清楚三件事：提示词是怎么组装的、上下文窗口为什么会影响成本、温度参数到底起什么作用。讲完之后立刻带你用@Serializable注解让模型返回强类型的Kotlin对象，而不是一段需要手动解析的文本。这是个转折点——从这以后，你的智能体输出就不再是字符串了，而是可以直接用在业务逻辑里的数据类型。
第四部分给智能体装上手脚，也就是工具调用。Koog最优雅的地方在于工具的Schema可以直接从Kotlin类型推导出来，你不用手写JSON Schema，只需要在普通函数上加@Tool和@LLMDescription注解，框架就知道这个工具能干什么、参数是什么。你会先写一个简单工具练手，然后扩展成一个多工具的开发者助手，能查文件、能跑命令、还能改代码。更进一步，课程演示如何让智能体并行调用多个工具，并且实时流式地把结果推给用户，避免长时间等待。每个阶段都配有动手作业，确保你真的把代码写出来而不是光看。
第五部分讲控制流。当你只有一个工具的时候，智能体还能靠线性思考撑过去；但一旦工具多起来、业务逻辑复杂起来，就需要结构化的方式来编排流程。Koog提供了三种方式：函数式调用、图工作流和LLM驱动。课程重点讲图工作流，把智能体的决策过程建模成节点和边的图结构。你可以设置条件边让智能体根据结果走不同分支，也可以加入循环在失败时自动重试。这部分的设计思路和LangGraph很像，但完全用Kotlin的DSL写出来，对JVM开发者来说非常自然。
第六部分解决生产环境最头疼的问题：为什么我的Agent在demo时好好的，一上线就崩？讲师先分析智能体在生产中失败的几大原因，上下文窗口爆掉、历史记录太长吞掉token、缺少记忆导致每次都是陌生人。然后一个一个给出解法：通过Checkpointing做持久化让Agent可以从崩溃中恢复，用历史压缩控制成本，把RAG封装成工具让Agent能查自己的文档，再加上跨会话的短期记忆。这个组合拳下来，你的智能体就从"能跑"变成"能稳定跑"了。
第七部分把智能体连接到更大的世界。MCP（Model Context Protocol）是现在AI工具生态的通用接口，Koog官方提供了Kotlin MCP SDK，课程演示如何把任何MCP兼容的工具，比如文件系统、GitHub、数据库，直接插到你的Agent里，不用自己写适配层。同时讲师展示如何在不丢历史记录的前提下切换模型提供商，白天用GPT-4o开发，晚上切换到本地Llama省钱。最后用五分钟时间带你了解A2A和ACP这两个正在兴起的新协议，搞清楚智能体之间将来怎么协作。
最后一部分讲上线。课程用Ktor把智能体嵌入到一个HTTP端点，让它变成一个真正能被其他系统调用的服务。可观测性方面，引入OpenTelemetry和Langfuse，每一步推理、每一次工具调用、每一笔token消耗都看得清清楚楚。最后还讲护栏机制、成本控制和基础的模型评估，以及如何用评估结果反哺系统提示的调优。学完这些，你就拥有了一个完整可用的生产级AI应用。课程的收尾还介绍了Koog的多平台能力和Junie编码助手，给出了继续深入的方向。
整个课程31节课，总时长不到三小时，但信息密度很高。适合已经会Kotlin、想切入AI Agent开发的JVM工程师，也适合做过Python Agent项目、想看看JVM生态能做到什么程度的人。不需要你有AI背景，讲师会把最关键的概念用最短的篇幅讲清楚，剩下的时间全用来写代码。