~歡迎企業洽談包班需求 ~
「軟體開發/程式設計/智慧綠能課程主題館」 同步招生中 !!

課程源起

近年來，生成式人工智慧（Generative AI）與大型語言模型（Large Language Models, LLM）迅速發展，從 ChatGPT、Claude 到各類 AI 助手的出現，徹底改變了軟體開發與企業應用的模式。企業不再只是使用 AI 工具，而是逐漸走向 將 AI 能力整合進既有系統與應用程式，打造具備智慧化能力的下一代應用服務。

在 Java 與 Spring 生態系中，為了讓開發者能更容易整合各種生成式 AI 模型與 AI 服務，Spring 官方推出 Spring AI 框架。Spring AI 提供統一的 API 與開發架構，使開發者能在熟悉的 Spring Boot 環境中，快速整合聊天模型、向量資料庫、檢索增強生成（RAG）、工具呼叫（Tool Calling）等生成式 AI 技術，並能與企業既有系統進行整合，建立企業級 AI 應用。

隨著 AI Agent、RAG 架構與 AI 驅動應用逐漸成為企業數位轉型的重要技術，企業對於 具備 AI 整合能力的軟體工程師需求快速增加。然而多數開發者雖了解 AI 概念，卻缺乏 將 AI 能力整合到實際系統中的開發實務能力。

因此，本課程「Spring AI 生成式AI整合開發實戰班」因應產業趨勢而設計，透過 Spring AI 框架，帶領學員從生成式 AI 基礎、聊天模型整合、模型上下文協議（MCP）、到檢索增強生成（RAG）等技術，逐步建立 企業級 AI 應用開發能力，使開發者能夠設計並實作具備 AI 智慧能力的現代化應用系統，協助企業在 AI 時代加速數位創新與智慧化服務的落地。

課程目標

• 讓 Java 程式設計師能夠從既有的 Spring 相關技術中，快速熟悉如何將大語言模型整合到現存應用程式。

適合對象

• 對 Spring 相關技術有一定程度瞭解，想要用 Spring AI 開發 AI 應用的 Java 程式設計師。

先備知識

• 學過 Spring Boot 相關技術的 Java 程式設計師。

課程大綱

Module 1. 生成式人工智慧概說
1-1 生成式人工智慧、大型語言模型、小型語言模型、專用模型
1-2 Token、分詞、提示、提示工程
1-3 使用程式呼叫大語言模型、申請大型語言模型API Key
1-4 Sprin AI簡介
1-5 第一個Spring AI應用程式

Module 2. 透過Spring AI使用聊天(chat)模型
2-1 呼叫聊天模型：相關函式庫(spring-ai-starter-model-*)、組態設定(例如OpenAI的spring.ai.openai.*)
2-2 ChatModel介面、Prompt類別、Message介面、ChatOptions介面、ChatResponse類別
2-3 ChatClient介面、ChatClient.ChatClientRequestSpec介面
2-4 聊天記憶：ChatMemory介面、MessageWindowChatMemory類別、AssistantMessage類別、MessageChatMemoryAdvisor類別
2-5 格式化輸出：ChatClient.CallResponseSpec介面、StructuredOutputConverter介面
2-6 呼叫外部工具：@Tool、@ToolParam、ToolCallback、工具定義(Function Definition Schema)

Module 3. 模型上下文協議(MCP)
3-1 MCP管理員(Host)、MCP客戶端(Client)、MCP伺服器(Server)
3-2 傳輸方法：標準輸入/輸出(stdio)、伺服器推送事件(Server-Sent Events)、串流HTTP(Streamable HTTP)
3-3 MCP客戶端工具介紹：例如Claude Desktop
3-4 MCP伺服器介紹：例如MCP市集(https://mcp.so)
3-5 MCP伺服器測試與除錯工具：例如MCP Inspector
3-6 開發MCP伺服器：相關函式庫(spring-ai-starter-mcp-server)、組態設定(spring.ai.mcp.server.*)
3-7 開發MCP伺服器：@McpTool、@McpToolParam
3-8 實作範例：開發MCP伺服器
3-9 開發MCP客戶端：相關函式庫(spring-ai-starter-mcp-client)、組態設定(spring.ai.mcp.client.*)
3-10 開發MCP客戶端：MCP伺服器的JSON格式組態
3-11 實作範例：開發MCP客戶端

Module 4. 檢索增強生成(RAG)
4-1 嵌入(embedding)技術說明
4-2 嵌入技術：組態設定(spring.ai.openai.embedding.*)、EmbeddingModel介面
4-3 向量資料庫(Vector Database)概述、實例展示(例如pgvector)
4-4 使用向量資料庫：相關函式庫(spring-ai-starter-vector-store-*)、組態設定(例如OpenAI的spring.ai.vectorstore.*)
4-5 使用向量資料庫：VectorStore介面
4-6 檢索增強生成基本概念
4-7 擷取、轉換、載入、檢索增強生成