准备好用真实用例构建 AI 驱动的 Java 应用程序了吗？这门实践课程将教你如何使用 Spring AI 框架和 OpenAI 将尖端 AI 能力集成到你的 Spring Boot 应用程序中。

你将掌握从构建第一个基于聊天的应用程序到使用检索增强生成（RAG）、工具调用、结构化输出转换、MCP（模型上下文协议），甚至语音转文本、文本转语音和图像生成——所有这些都使用 Java 和 Spring Boot。

从理解 LLMs 的工作原理到部署具有可观察性、测试和基于顾问的安全性的生产就绪 AI 功能，这门课程充满了强大的演示、清晰的解释和实用的技术，以将智能带到你的后端。

无论你是 Java 开发者、Spring 爱好者还是探索生成式 AI 的后端工程师，这门课程都将带你一步步学习最佳实践和经过实战检验的代码。

你将学到：

第一部分：欢迎与 Spring AI 的 Hello World

• 理解 Spring AI 框架和课程路线图
• 使用 OpenAI 构建你的第一个 Spring Boot AI 应用
• 深入探索 ChatModel 和 ChatClient API

第2部分：提示工程与结构化输出

• 使用消息角色、提示模板和填充技术
• 与顾问合作控制 AI 行为
• 将 AI 响应映射到 Java Beans、列表和 Map

第 3 节：生成式 AI 与 LLM 基础

• 学习关于标记、嵌入以及 LLMs 如何生成文本
• 理解注意力、词汇以及模型内部机制
• 探索静态与位置嵌入以及上下文窗口

第 4 节：AI 记忆与 ChatHistory

• 实现无状态到有状态对话
• 使用 MemoryAdvisors 和对话 ID 为每个用户管理内存
• 使用 JDBC 持久化聊天内存并配置最大消息数

第 5 节：RAG – 检索增强生成

• 使用 Docker 设置向量存储（Qdrant）
• 在 Spring Boot 中存储和查询文档嵌入
• 使用 RetrievalAugmentationAdvisor 将文档输入 AI

第 6 节：工具调用——让 AI 采取行动

• 通过 LLMs 启用工具调用
• 构建用于实时操作的工具，如查询时间或数据库
• 自定义工具错误和向用户返回的响应

第 7 节：模型上下文协议（MCP）

• 学习 MCP 架构和通信模式
• 使用 Spring AI 构建 MCP 客户端和服务器
• 与 GitHub 的 MCP 服务器集成并探索 STDIO 传输

第 8 节：测试和验证 AI 输出

• 使用 RelevancyEvaluator 和 FactCheckingEvaluator
• 在开发和生产环境中测试 AI 响应的正确性
• 使用 Spring Retry 添加运行时安全检查

第 9 节：可观察性——监控 AI 操作

• 启用 Spring Boot Actuator 指标以用于 AI
• 设置 Prometheus & Grafana 仪表板
• 使用 OpenTelemetry 和 Jaeger 追踪 AI 行为

第 10 章：语音与图像生成

• 使用 AI 驱动的语音转文字功能将语音转换为文本
• 根据文本提示生成自然语音
• 使用 ImageModel 将提示转换为图像