🤖 系列：Java工程师转AI Agent 3个月学习计划
👤 作者：宸丶一 | 28岁Java程序员，规划狂魔，周六加班还在学AI
🎯 今日目标： 用 FastAPI 把 Agent 包装成 HTTP 服务，了解 Docker 部署
💬 个人格言： 代码改不改变世界我不知道，但先让我准时下班。

---

前言

大家好，我是宸一，一个28岁的Java程序员。

今天是第7天，主题是：FastAPI + Docker 部署入门。

先说结论：今天是学AI以来最轻松的一天。

为啥？因为 FastAPI 就是 Python 版的 Spring Boot，API 开发的思路和我日常工作一模一样。除了 Docker 那块稍微新一点，其他基本就是换个语法。

周六加班日，轻量完成，不硬卷。

---

一、今日学习路线

核心转变：

Day 6（脚本）：
  用户 → python xxx.py → input() → print() → 用户
  只有你自己能用

Day 7（服务）：
  用户A ──→ HTTP 请求 ──→ FastAPI ──→ Agent ──→ 响应 ──→ 用户A
  用户B ──→ HTTP 请求 ──→     ↑     ──→       ──→       ──→ 用户B
  用户C ──→ HTTP 请求 ──→     │     ──→       ──→       ──→ 用户C
                          24小时运行

从"脚本"变成"服务"，这是质的飞跃。

---

二、FastAPI = Python 的 Spring Boot

2.1 用后端思维理解

作为Java后端，看到 FastAPI 的第一反应是：这不就是 Spring Boot 吗？

功能	Spring Boot	FastAPI
创建应用	@SpringBootApplication	app = FastAPI()
定义接口	@GetMapping	@app.get
请求参数	@RequestParam	函数参数
请求体	@RequestBody	Pydantic Model
数据验证	Bean Validation	Pydantic
启动服务	java -jar	uvicorn
API 文档	Swagger（要配置）	自动生成 /docs（零配置）
配置文件	application.yml	.env

一模一样，就是换了个语法。

2.2 核心代码

from fastapi import FastAPI
from pydantic import BaseModel

# 创建应用 = @SpringBootApplication
app = FastAPI()

# 数据模型 = DTO/VO
class ChatRequest(BaseModel):
    message: str
    history: list = []

# 定义接口 = @Controller + @PostMapping
@app.post("/chat")
async def chat(request: ChatRequest):
    # 处理逻辑...
    return {"reply": "你好！"}

@app.get("/health")
async def health():
    return {"status": "healthy"}

Java 程序员看这段代码，零障碍。

2.3 最香的一点：自动 API 文档

启动服务后访问 http://localhost:8000/docs

→ 自动生成 Swagger UI
→ 所有接口一目了然
→ 可以直接在页面上测试
→ 零配置，零代码

Spring Boot 要集成 Swagger 还得加依赖、写配置。FastAPI 开箱即用，这点真的香。

---

三、把 Agent 包装成 API

3.1 接口设计

POST /chat      → 聊天接口（核心）
GET  /health    → 健康检查
GET  /tools     → 查看可用工具
GET  /           → 服务信息

标准的 RESTful 设计，和 Java 项目一模一样。

3.2 聊天接口实现

@app.post("/chat")
async def chat(request: ChatRequest):
    # 1. 构建消息
    messages = build_messages(request.message, request.history)
    
    # 2. 调用 Agent
    response = await agent.chat(messages)
    
    # 3. 返回结果
    return {
        "reply": response,
        "timestamp": datetime.now().isoformat()
    }

这不就是 Controller 调 Service 吗？ 换了个语法而已。

3.3 测试结果

📌 测试1：根路径         → 200 ✅
📌 测试2：健康检查       → 200 ✅
📌 测试3：工具列表       → 200 ✅
📌 测试4.1：打招呼       → 200 ✅ "你好！我是小助手"
📌 测试4.2：查天气       → 200 ✅ "北京今天晴天，25°C"
📌 测试4.3：算数学       → 200 ✅ "15+27×3 = 96"
📌 测试4.4：查时间       → 200 ✅ "2026年6月6日13点44分"
📌 测试4.5：搜索知识     → 200 ✅ "Python是一种高级编程语言"
📌 测试5：带历史的聊天   → 200 ✅ "是的，你叫老刘，我记得！"
📌 测试6：API 文档       → 200 ✅

✅ 所有测试通过！

6个测试全部一次通过，周六加班日的效率奇迹。

---

四、踩坑记录

4.1 GET 访问 POST 接口 → 405

在浏览器直接敲 http://localhost:8000/chat
返回：405 Method Not Allowed

原因： /chat 是 @app.post 定义的，浏览器地址栏默认是 GET 请求。

解决： 去 /docs 页面用 Swagger UI 测试，或者用 test_api.py 脚本。

Java 同学注意： 这和 Spring Boot 的行为完全一样，@PostMapping 的接口用 GET 访问也是 405。

4.2 uvicorn 热重载重复打印

INFO: Will watch for changes in these directories: [...]
✅ 1. FastAPI 应用创建成功！
✅ 2. 数据模型定义完成！
✅ 3. 路由定义完成！
✅ 1. FastAPI 应用创建成功！    ← 又打印了一遍
✅ 2. 数据模型定义完成！        ← 又打印了一遍

原因： uvicorn 的 StatReload 会监听文件变化，自动重启服务。启动时会加载两次。

影响： 不影响功能，只是日志看着多。生产环境用 --reload 关掉就行。

---

五、Docker = 标准化的部署方式

5.1 Dockerfile 长啥样

FROM python:3.11-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
CMD ["uvicorn", "02_fastapi_agent:app", "--host", "0.0.0.0", "--port", "8000"]

就这几行，没了。

用 Java 思维理解：

• FROM python:3.11-slim → 选择 JDK 版本
• COPY requirements.txt + RUN pip install → mvn dependency:resolve
• COPY . . → 复制代码
• CMD [...] → java -jar app.jar

5.2 Docker 解决了什么问题

没有 Docker：
  "在我电脑上能跑啊！" ← 经典问题
  Python版本不一致 → 依赖冲突 → 路径不同 → 各种坑

有了 Docker：
  打包成镜像 → 任何地方都能跑
  环境一致 → 依赖固定 → 配置统一 → 省心

本质：Docker = 把"我电脑上能跑"变成"任何电脑上都能跑"。

5.3 常用命令（就这几个）

docker build -t agent-api .    # 构建镜像 = mvn package
docker run -p 8000:8000 agent-api  # 运行容器 = java -jar
docker ps                       # 查看运行中的容器
docker logs <container_id>      # 查看日志
docker stop <container_id>      # 停止容器

5个命令，覆盖90%的日常使用。 不复杂，就是得多练。

---

六、用后端思维总结

概念	Java 对应	本例实现
FastAPI	Spring Boot	创建 Web 应用
@app.get	@GetMapping	定义 GET 接口
@app.post	@PostMapping	定义 POST 接口
Pydantic Model	@RequestBody + Bean Validation	请求数据验证
uvicorn	Tomcat	ASGI 服务器
/docs	Swagger UI	自动 API 文档
Dockerfile	pom.xml + 启动脚本	容器化配置
docker build	mvn package	构建镜像
docker run	java -jar	运行容器

---

七、今日收获

7.1 核心公式

Day 7 = FastAPI + Docker

FastAPI：
  应用 = FastAPI()
  接口 = @app.get / @app.post
  数据 = Pydantic Model
  文档 = 自动生成 /docs

Docker：
  镜像 = docker build
  容器 = docker run
  部署 = 标准化 + 可移植

7.2 最大的感受

今天是"回家"的一天。

Day 1-3：Python 基础 → 换语法，有点陌生
Day 4：函数调用 → 新概念，需要理解
Day 5：手写 Agent → 踩坑，但学到最多
Day 6：LangChain → 框架，有 Breaking Change
Day 7：FastAPI + Docker → 回到 Web 开发，熟悉的感觉

作为Java后端，API开发是日常。FastAPI 让我感觉回到了舒适区。

但"舒适"不代表"没学到东西"。 今天学到的是：

1. Python 的 Web 框架和 Java 思路一样，但更简洁
2. Docker 不复杂，就是几条命令
3. 从"脚本"到"服务"是质的飞跃

7.3 学习路线的节奏

前6天：新知识密集，每天都有新概念
第7天：回到熟悉的领域，巩固 + 部署

这种节奏很好：
  前面学新东西 → 后面用熟悉的方式落地
  不会一直高压，也不会一直舒适

---

八、明日计划（Day 8）

主题：真实 API 接入 + Prompt 工程基础

前面7天用的都是"假数据"（硬编码的天气、知识库）
是时候接真正的 AI 了

计划：
- 把 Agent 接入小米 MiMo API，变成真正能对话的 AI
- 学 Prompt 工程基础：system prompt 怎么写、temperature 参数是什么
- 动手写一个"角色扮演"Agent
- 对比不同 prompt 的效果

---

一句话总结

FastAPI 是 Python 的 Spring Boot，Docker 是标准化的部署方式。Day 7 是"回家"的一天——Java后端搞API，闭着眼都能写。但别因为熟悉就跳过，"从脚本到服务"这个转变，值得认真理解。

---

📊 系列进度：Day 7 / 90
📅 学习节奏： 周六加班日，轻量完成
🎯 下一阶段： 接入真实 API，告别硬编码假数据