P0 · 大模型基础补全（llm-basis）

文件名	标题	核心切入
llm-model-selection.md	大模型选型指南：通用、推理、代码、多模态模型怎么选	不同能力维度对比、Router / fallback / 多模型编排、选型表（客服 / RAG / 代码 / 语音 Agent）
llm-evaluation.md	AI 应用评测体系：离线评测、Trace 回放到线上灰度	为什么公开 benchmark 不够、Golden Set 构建、LLM-as-Judge、RAG / Agent / 工具调用分别怎么评测、接入 CI 回归

P0 · 系统设计补全（system-design）

文件名	标题	核心切入
llm-gateway.md	大模型网关深度设计：多模型路由、限流、降级与成本控制	为什么需要 LLM Gateway、多供应商适配、fallback / 熔断、Token 预算与用户配额、日志脱敏与审计
ai-observability.md	AI 可观测性与 Trace：为什么 Agent 失败不能只看最终答案	一次请求里模型调用 / 检索 / 工具调用 / 上下文拼装 / 重试 / fallback 全链路 span、Langfuse / OpenTelemetry / 自建审计表、Java 后端落地结构
llm-security.md	LLM 应用安全实战：Prompt 注入、工具越权与数据泄露防护	从传统"输入不可信"切入 AI 新攻击面、Prompt Injection / Indirect Injection、工具权限边界、MCP Server 风险、沙箱与最小权限、OWASP LLM Top 10

P1 · Agent 工程短板补全（agent）

文件名	标题	核心切入
tool-calling.md	Agent 工具调用详解：Function Calling、MCP Tool 与权限控制	可与 mcp.md、structured-output-function-calling.md 互相引用
agent-evaluation.md	Agent 评测与调试：如何判断 Agent 真的完成了任务	工具调用成功率、幻觉率、格式遵循率、延迟成本
multi-agent.md	多 Agent 协作：Sub-Agent、任务拆分与上下文隔离	面试高频：Agent 为什么不稳定、如何拆分任务、上下文怎么隔离

P1 · RAG 深水区扩展（rag）

文件名	标题	核心切入
embedding-reranker.md	Embedding 与 Reranker 模型选型：RAG 效果差未必是向量库的问题	不同 Embedding 模型能力对比、Reranker 原理、选型场景
rag-multimodal.md	多模态 RAG：PDF 表格、图片、截图与视频的知识库处理	企业知识库最难处理的是 PDF 表格和截图、OCR、图表理解、多模态检索
finetune-vs-rag.md	微调、蒸馏与 RAG 怎么选：什么时候该做数据训练？	SFT / LoRA / DPO / RFT 原理对比，什么时候调 Prompt 已经不够了

P2 · 框架专题（framework）

文件名	标题	写作顺序
spring-ai.md	Spring AI 入门与实战：Java 后端如何接入大模型	先写，贴合 JavaGuide 读者群体
langchain4j.md	LangChain4j 实战：Java 应用如何构建 RAG 和 Agent	第二篇
ai-workflow-framework.md	LangGraph / Spring AI Alibaba Graph：AI Workflow、Graph、Loop 如何落地	第三篇，与 workflow-graph-loop.md 互相引用

P2 · MCP 进阶与合规（agent / system-design）

文件名	标题	核心切入
mcp-advanced.md	MCP 生产安全与高级能力：Roots、Sampling、Elicitation 与权限边界	MCP Server 不是工具集合而是新攻击面
ai-compliance.md	AI 合规与隐私治理：AI 应用上线前安全、审计、隐私要查什么	企业落地越来越常见，面试频率会上升

---

建议下一步实际动手顺序：

1. llm-evaluation.md — 能把整个专栏拉到更工程化的层次，RAG / Agent / 工具调用评测的总纲
2. llm-security.md — JavaGuide 读者对安全话题接受度高，从传统 Web 安全切入非常顺滑
3. ai-observability.md — 能和 harness-engineering.md、rag-optimization.md 自然接上，形成"调 → 测 → 观测"闭环
4. llm-gateway.md — 面试高频，和 ai-application-architecture.md 配合形成系统设计系列

framework 那三篇建议 P0 全部写完后再启动，届时 llm-basis 和 system-design 已经构成底座，框架文章直接引用即可，不会显得孤立。

另外，README.md 里目前漏掉了 workflow-graph-loop.md、ai-voice.md、ai-application-architecture.md 的入口，需要在下次整理版本前补进文章列表。