Tidsforbrug: Hele workshoppen kan gennemføres online uden lokal opsætning. Miljøopsætning tager 2 minutter, og udforskning af eksempler kræver 1-3 timer afhængigt af udforskningsdybden.
Hurtig Start
- Fork dette repository til din GitHub-konto
- Klik på Code → fanen Codespaces → ... → New with options...
- Brug standardindstillingerne – dette vælger udviklingscontaineren oprettet til dette kursus
- Klik Create codespace
- Vent ca. 2 minutter på, at miljøet er klar
- Gå direkte til Det første eksempel
Arabisk | Bengali | Bulgarsk | Burmese (Myanmar) | Kinesisk (Forenklet) | Kinesisk (Traditionelt, Hong Kong) | Kinesisk (Traditionelt, Macau) | Kinesisk (Traditionelt, Taiwan) | Kroatisk | Tjekkisk | Dansk | Hollandsk | Estisk | Finsk | Fransk | Tysk | Græsk | Hebraisk | Hindi | Ungarsk | Indonesisk | Italiensk | Japansk | Kannada | Khmer | Koreansk | Litauisk | Malayisk | Malayalam | Marathi | Nepalesisk | Nigeriansk Pidgin | Norsk | Persisk (Farsi) | Polsk | Portugisisk (Brasilien) | Portugisisk (Portugal) | Punjabi (Gurmukhi) | Rumænsk | Russisk | Serbisk (Kyrillisk) | Slovakisk | Slovensk | Spansk | Swahili | Svensk | Tagalog (Filipino) | Tamil | Telugu | Thai | Tyrkisk | Ukrainsk | Urdu | Vietnamesisk
Foretrækker du at klone lokalt?
Dette repository indeholder 50+ sprogoversættelser, hvilket væsentligt øger downloadstørrelsen. For at klone uden oversættelser, brug spars checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/Generative-AI-for-beginners-java.git cd Generative-AI-for-beginners-java git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/Generative-AI-for-beginners-java.git cd Generative-AI-for-beginners-java git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.
- Kernebegreber: Forståelse af Store Sprogmodeller, tokens, indlejring og AI's evner
- Java AI Økosystem: Oversigt over Spring AI og OpenAI SDK'er
- Model Context Protocol: Introduktion til MCP og dens rolle i kommunikation mellem AI-agenter
- Praktiske Anvendelser: Virkelige scenarier inklusive chatbots og indholdsgenerering
- → Start Kapitel 1
- Multi-udbyder Konfiguration: Opsæt GitHub Models, Azure OpenAI og OpenAI Java SDK integrationer
- Spring Boot + Spring AI: Bedste praksis for enterprise AI-applikationsudvikling
- GitHub Models: Gratis AI modeladgang til prototyping og læring (ingen kreditkort nødvendig)
- Udviklingsværktøjer: Docker containere, VS Code og GitHub Codespaces konfiguration
- → Start Kapitel 2
- Prompt Engineering: Teknikker til optimale AI-modelsvar
- Indlejring & Vektoroperationer: Implementering af semantisk søgning og lignende matches
- Retrieval-Augmented Generation (RAG): Kombiner AI med dine egne datakilder
- Funktionskald: Udvid AI-evner med brugerdefinerede værktøjer og plugins
- → Start Kapitel 3
- Pet Story Generator (
petstory/): Kreativ indholdsgenerering med GitHub Models - Foundry Local Demo (
foundrylocal/): Lokal AI modelintegration med OpenAI Java SDK - MCP Calculator Service (
calculator/): Grundlæggende Model Context Protocol-implementering med Spring AI - → Start Kapitel 4
- GitHub Models Sikkerhed: Test indbygget indholdsfiltrering og sikkerhedsmekanismer (strenge blokeringer og bløde afvisninger)
- Ansvarlig AI Demo: Praktisk eksempel der viser, hvordan moderne AI-sikkerhedssystemer fungerer i praksis
- Bedste Praksis: Vigtige retningslinjer for etisk AI-udvikling og implementering
- → Start Kapitel 5
Hvis du går i stå eller har spørgsmål om at bygge AI-apps. Deltag med andre elever og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit.
Hvis du har produktfeedback eller oplever fejl under udvikling, besøg:
Ansvarsfraskrivelse:
Dette dokument er oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for eventuelle misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.
