这节课我们正式开启智能体应用实战课程的学习。作为整个课程的开篇，这节课我会带大家全面认识这个仿豆包的智能体应用平台（DodoAgent 豆豆），从项目定位、技术架构到核心功能，帮你建立起对整个项目实战课程的完整认知框架。
为什么要做这个项目？
在开始具体内容前，先回答一个核心问题：我们为什么要做这个项目？ 当下 AI Agent 技术很火，但很多教程要么只讲理论，要么只做简单 Demo，缺乏工程化落地的实战内容。在前面的课程中，你可能学了 ReactAgent、PlanExecuteAgent 的实现原理，但不知道怎么把这些理论变成能上线运行的应用。 说到这里，大家平时常用的豆包，就是我们做这个项目的核心参考。这个项目我命名为 DodoAgent（豆豆），本质上就是一个仿豆包的智能体实战项目。我复刻了豆包核心的四大业务场景，分别是联网对话、文件问答、PPT生成和深度研究，覆盖了日常办公、信息获取、复杂调研等高频需求。 通过这个项目的学习，你能掌握的不只是 AI Agent 的原理，更重要的是工程化落地的思维和方法：比如怎么处理大文件、怎么保证流式响应的体验、怎么设计状态机控制主体流程、怎么让智能体的输出有可追溯的参考来源等等，真正实现从“懂原理”到“能落地”的跨越。
学习路径
我们的学习会遵循 从原理到实践、从简单到复杂 的逻辑： 1. 先基于前面课程中的 AI Agent 理论基础，落地联网对话问答 2. 进阶到文件问答助手（掌握文件问答的实现原理、大文件的处理方式、对象存储） 3. 深入最核心的难点 PPT生成模块（掌握状态机设计、多方式生成、内容稳定性） 4. 最终实现 深度研究DeepResearch模块（基于 Plan-Execute 模式、多流式控制、并行任务控制） 5. 全程贯穿工程化思考：历史记忆、流式输出/停止、会话管理等
核心功能点
接下来，我们逐一拆解 DodoAgent 的四大核心模块，让你搞清楚每个模块要解决什么问题、具备什么特性。
联网对话问答：让 AI 拥有实时信息能力
功能定位
解决传统大模型知识截止的问题，让 AI 能联网搜索实时信息，并给出带参考来源的回答。比如问“今年年双十一电商销售额”“今天南京的天气如何？”，AI 能先搜索、再回答，并且最终还会告诉你信息来自哪里，让一切的信息源头可追溯。
核心特性
- 四段式输出：把思考过程（thinking）、回答正文（text）、参考来源（reference）、推荐问题（recommend）分离展示，方便前端渲染，提升用户体验，符合用户对 AI 决策过程的认知。
- 实时流式响应：全程流式输出，并提供流式停止的功能，用户不用等完整回答，体验更流畅。
- 会话记忆：支持多轮对话，历史记录持久化到数据库，下次对话能衔接上下文。
- 工具集成标准化：基于 MCP 集成搜索引擎，后续扩展其他工具（如地图、计算器）更便捷。
文件问答助手：让 AI 帮你解决问题
功能定位
基于用户上传的文件内容做精准问答，比如上传一份 PDF 技术文档，问“这份文档的核心结论是什么”“第三章讲了哪些技术点”。
核心特性
- 多格式兼容：支持 PDF、DOCX、TXT 文本文件，也支持 PNG/JPG 图片文件（通过多模态 LLM 识别图片内容）。
- 文件-会话绑定：上传的文件与当前会话关联，后续提问自动基于该文件内容回答，不用重复上传
- 大文件友好：针对大文件做向量化处理，抽象检索工具，方便问答使用。
- 文件存储：上传的文件通过 MinIO 做对象存储。
技术关键点
- 文本提取：PDF 用 Apache PDFBox，Word 用 Apache POI，保证内容提取的准确性
- 图片识别：调用多模态 LLM 的视觉接口，解析图片中的文字内容
- 大文件分析：大文件使用 RAG 技术，上传文件执行向量化，问答执行检索工具
PPT 生成：从需求到成品的自动化
功能定位
根据用户的自然语言需求，自动生成结构完整、内容贴合的 PPT，还支持对已有 PPT 的修改。比如用户说“帮我生成一份 Spring Boot 入门的技术分享 PPT”，AI 能完成从需求澄清到最终 PPT 输出的全流程。
核心特性
- 多种生成方式：
- 模板填充：基于预定义的 PPT 模板，填充内容（兼顾美观、效率、可编辑、低成本）
- 文生图：如用Nano Banana生成高清4K图，再转换成PPT（效果炫酷、不可编辑、成本高）
- HTML转PPT：生成 PPT样式 的HTML代码，再将HTML转PPT（样式丢失）
- 状态机流程：需求澄清 → 模板选择 → 大纲生成 → 信息收集 → Schema 生成 → 渲染，每一步可确认、可修改，保证最终效果。
- 意图识别：能区分用户是「新建 PPT」还是「修改已有 PPT」，适配不同处理逻辑。
- 文生图：PPT 中的图片字段可自动调用文生图服务生成，提升多样性。 核心价值 解决传统 PPT 制作「耗时、内容零散」的问题，平衡「美观炫酷」和「稳定可编辑」——既不会因为追求特效导致 PPT 无法编辑，也不会因为追求可编辑性牺牲视觉效果。
深度研究：解决复杂分析问题的研究员
功能定位
针对复杂、需要多轮调研的问题，比如“2026 年 AI 行业发展趋势”“某竞品的核心技术优势”，智能体能像研究员一样，先拆解问题、制定研究计划，再分步执行、迭代优化，不断循环逼近目标，最终输出完整的分析研究报告。
核心特性
- Plan-Execute模式：先规划研究步骤，再执行每个步骤，最后评估结果，不达标则持续迭代优化
- 问题澄清+研究主题：自动优化丰富用户的原始问题，提升研究的精准度（比如把「研究 AI 趋势」优化为「2026 年全球 AI 行业发展趋势：技术突破、市场规模、应用场景」）
- 并行任务处理：可同时执行多个研究子任务（如同时搜索「AI 技术突破」和「AI 市场规模」），提升效率
- 多轮迭代：每次研究结果都会进行批判总结，看是否符合用户的原始需求，如果不满意时，会自动调整执行计划，继续迭代循环，直到结果达标。
项目技术栈
一个稳定的智能体应用，离不开合理的技术选型。DodoAgent 是基于 Java 生态的原生 Spring AI 构建的智能体应用，大模型使用的是在线的通义千问家族，整体开发要求门槛低，通用性强。
基础框架
| 框架 | 版本 | 核心作用 |
|---|---|---|
| Spring Boot | 3.5.6 | 整个应用的基础框架，提供自动配置、依赖注入、Web 容器等核心能力 |
| Spring AI | 1.1.0 | 简化 AI 应用开发的框架，封装了 LLM 调用、工具集成、Prompt 管理等能力 |
LLM
| 名称 | 说明 |
|---|---|
| qwen-plus | 核心大模型，负责自然语言理解、逻辑推理、内容生成 |
| qwen3-vl-plus | 全模态大模型，具备图像识别的能力 |
| nanobanana-pro | 文生图大模型，用于生成高清4K图，效果好，但成本高 |
| qwen-image-plus | 文生图大模型，生成简单的配图，成本低 |
| MCP（Model Context Protocol） | 工具集成的标准协议，统一搜索引擎、文件检索等工具的调用方式 |
| embedding | 向量模型，用于大文件向量化 |
数据存储组件
| 组件 | 版本 | 用途 |
|---|---|---|
| MySQL | 8.0.33 | 存储结构化数据：会话记录、文件元信息、PPT 实例状态、模板配置等 |
| MinIO | 8.5.1 | 对象存储服务：存储用户上传的文件、生成的 PPT 文件、图片等二进制数据 |
| PgVector | 向量存储，用于文件问答，存储大文件的分块内容 |
其他工具
| 分类 | 组件 | 版本 | 用途 |
|---|---|---|---|
| 持久层 | MyBatis-Plus | 3.5.5 | 简化 MySQL 操作，提供 CRUD 封装、分页、条件查询等能力 |
| 文件处理 | Apache PDFBox | 2.0.30 | PDF 文件文本提取 |
| 文件处理 | Apache POI | 5.2.5 | Word/Excel 文件解析 |
| 文件处理 | python-pptx | - | 生成 PPT 文件脚本 |
| 流式处理 | reactor | 3.7.11 | 控制智能体的流式输出启停 |
项目结构
src/main/java/cn/hollis/llm/mentor/agent/
│
├── DodoAgentApplication.java # Spring Boot 应用启动类
│
├── agent/ # 智能体模块
│ ├── BaseAgent.java # Agent抽象基类（通用能力：聊天记忆、响应格式、任务管理）
│ ├── deepresearch/ # 深度研究 Agent
│ │ ├── PlanExecuteAgent.java # 计划-执行模式深度研究 Agent
│ │ └── SimpleReactAgent.java # 简单 React Agent
│ ├── file/ # 文件问答 Agent
│ │ └── FileReactAgent.java # 基于文件内容进行问答的 Agent
│ ├── websearch/ # 网页搜索 Agent
│ │ └── WebSearchReactAgent.java # 基于联网搜索的智能问答 Agent
│ └── pptx/ # PPT生成 Agent
│ ├── PPTBuilderAgent.java # PPT 生成核心 Agent
│ ├── PptIntentRecognizer.java # PPT 意图识别器
│ └── strategy/ # PPT 状态策略模式
│ ├── RequirementStrategy.java # 需求分析策略
│ ├── OutlineStrategy.java # 大纲生成策略
│ ├── SchemaStrategy.java # Schema生成策略
│ ├── TemplateStrategy.java # 模板选择策略
│ ├── SearchStrategy.java # 搜索策略
│ ├── RenderStrategy.java # 渲染策略
│ ├── SuccessStrategy.java # 成功策略
│ ├── FailedStrategy.java # 失败策略
│ ├── PptStateStrategy.java # 状态策略接口
│ ├── PptStateStrategyContext.java # 策略上下文
│ └── PptStateStrategyFactory.java # 策略工厂
│
├── controller/ # 控制器层
│ ├── AgentController.java # Agent 统一控制器（流式接口、停止接口）
│ ├── FileController.java # 文件控制器
│ └── SessionController.java # 会话控制器
│
├── service/ # 服务层
│ ├── AgentTaskManager.java # Agent任务管理器（任务注册、停止、并发控制）
│ ├── AiSessionService.java # AI会话服务（历史记录、问答保存）
│ ├── AiPptInstService.java # PPT实例服务
│ ├── AiPptTemplateService.java # PPT模板服务
│ ├── FileManageService.java # 文件管理服务
│ ├── FileParserService.java # 文件解析服务
│ ├── FileInfoService.java # 文件信息服务
│ ├── EmbeddingService.java # 向量化服务（RAG）
│ ├── MinioService.java # MinIO 对象存储服务
│ ├── PptPythonRenderService.java # PPT Python渲染服务
│ ├── PptPythonRenderServiceImpl.java
│ └── impl/ # 服务实现类
│ ├── AiSessionServiceImpl.java
│ ├── AiPptInstServiceImpl.java
│ ├── AiPptTemplateServiceImpl.java
│ └── FileInfoServiceImpl.java
│
├── mapper/ # MyBatis Mapper 接口
│ ├── AiSessionMapper.java # 会话数据访问
│ ├── AiFileInfoMapper.java # 文件信息数据访问
│ ├── AiPptInstMapper.java # PPT实例数据访问
│ └── AiPptTemplateMapper.java # PPT模板数据访问
│
├── entity/ # 实体类
│ ├── AiSession.java # AI会话实体
│ ├── AiFileInfo.java # AI文件信息实体
│ ├── SlideImage.java # 幻灯片图片实体
│ ├── OverAllState.java # 整体状态实体
│ ├── record/ # 记录相关实体
│ │ ├── AgentState.java # Agent状态
│ │ ├── RoundMode.java # 轮次模式枚举
│ │ ├── RoundState.java # 轮次状态
│ │ ├── PlanRoundState.java # 计划轮次状态
│ │ ├── PlanTask.java # 计划任务
│ │ ├── TaskResult.java # 任务结果
│ │ ├── ReactAgentResult.java # React Agent结果
│ │ ├── SimpleReactResult.java # Simple React结果
│ │ ├── CritiqueResult.java # 批评结果
│ │ ├── SearchResult.java # 搜索结果
│ │ ├── TemplateSelectionResult.java # 模板选择结果
│ │ ├── FileInfo.java # 文件信息
│ │ ├── pptx/ # PPT相关实体
│ │ │ ├── AiPptInst.java # PPT实例
│ │ │ ├── AiPptTemplate.java # PPT模板
│ │ │ ├── PptInstStatus.java # PPT实例状态枚举
│ │ │ ├── PptIntent.java # PPT意图枚举
│ │ │ ├── PptIntentResult.java # PPT意图结果
│ │ │ ├── PptSchema.java # PPT Schema
│ │ │ ├── PptPageType.java # PPT页面类型枚举
│ │ │ ├── Slide.java # 幻灯片
│ │ │ └── FieldData.java # 字段数据
│ └── vo/ # 值对象
│ ├── MessageVO.java # 消息VO
│ ├── PageResult.java # 分页结果
│ ├── SaveQuestionRequest.java # 保存问题请求
│ ├── UpdateAnswerRequest.java # 更新答案请求
│ ├── SessionListVO.java # 会话列表VO
│ └── SessionDetailVO.java # 会话详情VO
│
├── prompts/ # 提示词模块
│ ├── BaseAgentPrompts.java # 基础Agent提示词（角色定义、工具调用规则、输出规范）
│ ├── ReactAgentPrompts.java # React Agent提示词（联网搜索、文件问答等）
│ ├── PlanExecutePrompts.java # 计划-执行Agent提示词
│ └── PptBuilderPrompts.java # PPT构建Agent提示词
│
├── config/ # 配置类
│ ├── CorsConfig.java # 跨域配置
│ ├── MinioClientConfiguration.java # MinIO客户端配置
│ ├── MySQLDataSourceConfig.java # MySQL数据源配置
│ └── VectorStoreConfig.java # 向量存储配置（RAG）
│
├── common/ # 公共类
│ ├── AgentResponse.java # Agent统一响应格式（text/thinking/reference/error/recommend）
│ └── BaseResult.java # 基础响应结果
│
├── exception/ # 异常处理
│ └── GlobalExceptionHandler.java # 全局异常处理器
│
├── tool/ # 工具类
│ ├── FileContentService.java # 文件内容工具（Agent工具调用）
│ └── WeatherService.java # 天气查询工具
│
├── splitter/ # 文本分割器
│ └── OverlapParagraphTextSplitter.java # 带重叠的段落文本分割器（RAG）
│
└── utils/ # 工具类
├── AppContextClient.java # Spring ApplicationContext客户端
├── DynamicPgVectorStoreFactory.java # 动态PG Vector存储工厂
├── HtmlRenderService.java # HTML渲染服务
├── HtmlToPptService.java # HTML转PPT服务
├── HttpClientUtil.java # HTTP客户端工具
├── ImageGenerationService.java # 图片生成服务
└── ImageToPptService.java # 图片转PPT服务
学完能收获什么？
本课程以 DodoAgent 实战为核心，聚焦理论落地、架构设计、工程化提升三个目标，衔接前面课程中的理论知识，帮你实现从懂理论到会落地。
理论结合业务实现完整落地
将前面课程中介绍的 ReactAgent、PlanExecuteAgent 理论，结合 DodoAgent 四类业务场景进行落地，掌握“理论知识→业务分析→代码实现→功能验证”的完整闭环，比如用 ReactAgent 实现联网问答，用 PlanExecuteAgent 实现深度研究，让理论真正落地为实际的业务功能。
掌握架构设计与智能体选型
掌握智能体架构设计、模块拆分与数据流转逻辑；明确 Agentic Agent 与 Workflow Agent 选型边界，教会你如何使用Spring AI来高效编排你的智能体流程。
提升工程化能力
掌握Agent 开发的工程化能力：会话管理、历史记忆、掌握流式输出的启停控制、多阶段异步任务、模型上下文管理、重试机制、落地用户体验优化（三段式输出、文件-会话绑定等），打造好用的智能体。 综上，学完本课程，你将实现理论落地、架构设计、工程化能力的三重提升，具备独立开发生产级智能体的实战能力。