FDE W1D7 学习手册 · 整合与面试准备（W1 收尾）

W1 Day7 · 整合周 · 4h · 学完能把 W1 全部产出串成"轻量模型网关"，并讲清 Java 恢复计划与 AI 项目里 Java 的角色

一、W1 整体回顾与产出盘点

二、轻量模型网关 v1 架构（整合 W1D4 Adapter）

2.1 网关解决什么问题

业务代码不应直接耦合某家模型 API。网关是介于业务与模型之间的一层：统一接口、统一鉴权、统一重试/降级、并做模型路由——根据请求特征把流量分给本地模型或 API 大模型。

2.2 模块划分

• Prompt 管理：模板集中存储、版本化（见 s4）。
• 路由决策：用 D3 的选型维度判断走本地还是 API（见 s5）。
• Adapter 层：用 D4 的 Adapter 屏蔽 Ollama / 各家 API 差异。
• 观测：记录延迟、token、成本、失败率，对应 D5 评测思想。

2.3 为什么叫"轻量"

v1 不追求 K8s + 多副本 + 限流网关的完整能力，而是一个进程内/单服务的轻量编排：足以在面试里讲清"我怎么统一管理多模型"，也为后续接 vLLM、Spring Boot（见 s7）留扩展点。

三、Adapter 模式回顾（W1D4 整合）

3.1 模式本质

Adapter（适配器）把不同模型的异构接口（请求格式、响应结构、错误码）统一成一个内部标准接口，让上层（网关/业务）无感知地调用任意模型。

// 内部统一接口
interface ModelAdapter {
  ModelResponse complete(ModelRequest req);
}
// 各家实现
class OllamaAdapter implements ModelAdapter { ... }   // 本地
class ApiVendorAAdapter implements ModelAdapter { ... } // 远程

3.2 在网关里的位置

• 网关路由决定"调谁"，Adapter 决定"怎么调"。
• 新增模型只需加一个 Adapter 实现，开闭原则：对扩展开放、对修改封闭。
• 响应统一成 ModelResponse 后，上层校验/重试逻辑可复用。

四、Prompt 模板管理代码

4.1 为什么要管理

Prompt 散落在代码里会无法版本化、无法 A/B、无法复用。管理模板 = 把 Prompt 当"代码资产"：集中存储、变量占位、版本号、可按场景加载。

4.2 模板结构与加载

// 模板（存文件 / 配置中心，带版本）
// claim_review_v1.tmpl
// 你是保险理赔初审助手。根据以下特药条款与理赔材料，判断是否符合：
// 条款：{clause}
// 材料：{material}
// 输出 JSON：{{"result":"pass|reject|need_review","reason":""}}

class PromptTemplate {
  load(name, version) { ... }            // 按名+版本取
  render(vars) { return tmpl.replace(/{(\w+)}/g, (_,k)=>vars[k]); }
}
// 网关调用：prompt = templates.load("claim_review","v1").render({clause, material});

4.3 管理要点

• 版本化：claim_review_v1 / _v2，回滚可追。
• 变量占位：用 {var} 占位，运行时注入，避免字符串拼接。
• 与评测联动：模板变了要重跑 D5 评测集，确认效果不退化。

五、模型选型决策树（整合 W1D3）

5.1 决策树（ interview 可直接画）

5.2 决策维度（来自 D3）

六、YOYO 项目技术复盘初稿

6.1 复盘结构（STAR + 技术维度）

• 背景 S：YOYO 项目是什么、业务目标（如某保险 AI 辅助理赔/知识库）。
• 任务 T：我负责什么（如"搭模型调用层，统一多家模型"）。
• 行动 A：做了什么（Adapter 接入、Prompt 管理、评测集、本地化尝试）。
• 结果 R：量化指标（准确率、成本降幅、延迟）。
• 复盘：哪些可复用进 W1 网关 v1，哪些坑要避。

6.2 与 W1 的衔接

七、Java 恢复计划（2h：Spring Boot 骨架 / REST API / 依赖注入）

7.1 为什么 FDE 还要 Java

保险业核心系统（保单、理赔、账务）绝大多数是 Java 技术栈。AI 能力要嵌入现有 Java 系统，而不是另起炉灶。FDE 的 Java 角色是把模型网关作为微服务/模块落进 Spring Boot 体系。

7.2 三件套练习目标

7.3 最小骨架

@SpringBootApplication
public class GatewayApplication { public static void main(String[] a){ SpringApplication.run(GatewayApplication.class,a);} }

@RestController
@RequestMapping("/v1")
public class ChatController {
  @Autowired private ModelRouter router;          // 依赖注入
  @PostMapping("/chat")
  public ModelResponse chat(@RequestBody ChatReq req){
    return router.route(req);                      // 交给路由
  }
}
@Service
public class ModelRouter {
  @Autowired private List adapters;  // 所有 Adapter 注入
  public ModelResponse route(ChatReq req){ ... }
}

八、Java 在 AI 项目中的角色

8.1 不是"胶水"，是"承载系统"

8.2 Python 与 Java 的分工

• Python：模型实验、评测脚本、RAG 原型、算子层（擅长 AI 生态）。
• Java：把验证过的 AI 能力工程化、服务化、接入生产系统。
• FDE 的竞争力恰恰是"既懂模型又能在 Java 生产系统里落地"，这是纯 Python 算法岗不具备的。

九、学习资源（中文、非 OpenAI）

• Spring Boot 官网：spring.io/projects/spring-boot（快速起项目、官方指南）。
• B站 Spring AI 全套（第 1–17 集）：BV1GfyGBqEm6（Spring AI 接入大模型、Prompt、调用链，适合边看边练）。
• Spring AI 官方文档：spring.io/projects/spring-ai（把 ChatClient、PromptTemplate、Adapter 概念与 W1 对应）。

十、面试准备清单（W1 闭环）

十一、面试达标线①：W1 产出如何串成"轻量模型网关"

十二、面试达标线②：Java 恢复计划与 AI 项目里 Java 的角色

• 恢复计划：2h 实跑——start.spring.io 起项目、写 @RestController 暴露 POST /v1/chat、用 @Autowired 注入 Adapter/路由。目标是"能把 W1 网关用 Java 落地成可部署服务"。
• Java 角色：不是胶水，是承载系统——AI 能力作为模块嵌入存量 Java 保险系统；网关用 Spring Boot 服务化纳入微服务治理；事务/权限/监控借 Java 成熟基建。差异化优势 = 模型理解 + Java 落地。

十三、Day 7 自测清单

十四、高频面试题速记卡