完整教程Spring AI 2 – Complete tutorial

本课程教授如何利用 Spring AI 2 框架在 Spring Boot 中构建生产级别的 AI 应用，涵盖了从多主流大模型接入、多模态处理、文档 ETL 与知识图谱 RAG 检索，到最新的 MCP 智能体编排与提示词注入防御等企业级全套方案。课程专为 Java 后端开发者设计，聚焦手写项目与工业级运维，旨在帮助学员快速具备设计、部署和监控高安全、可扩展企业级 AI 架构的能力。

---

Published 7/2026
MP4 | Video: h264, 1920×1080 | Audio: AAC, 44.1 KHz, 2 Ch
Language: English | Duration: 6h 58m | Size: 4.66 GB

开发人工智能 Java 应用程序的完整教程

您将学习到：如何
使用 Spring AI 2 构建 AI 驱动的 Java 应用程序，将大型语言模型 (LLM) 集成到 Spring Boot 项目中。
使用 Spring AI 的统一 API 集成 OpenAI、Anthropic、Google Gemini、Ollama 和 Azure OpenAI 等热门 AI 提供商。
通过连接向量数据库、嵌入模型和文档检索，实现检索增强生成 (RAG)，从而创建上下文感知型 AI 应用程序。
开发具有提示工程、对话记忆、流式响应和结构化输出的 AI 聊天应用程序。
使用 Spring AI Advisors 和 Tools 在 AI 应用程序中启用函数调用、工具执行和智能工作流。
使用嵌入和向量存储执行语义搜索、文档索引和基于相似性的检索。
使用 Spring AI 构建处理文本、图像和其他受支持输入类型的多模态 AI 应用程序。
应用生产就绪的 AI 应用程序开发最佳实践，包括配置、测试、可观测性、错误处理和安全性。

要求：
熟悉 Java 和 Spring Boot 的基础知识，包括依赖注入和 REST API。
至少需要一个受支持的 AI 提供商（例如 OpenAI、Google Gemini、Anthropic 或 Azure OpenAI）的 API 密钥，或者本地安装 Ollama 以运行开源模型。
无需具备人工智能、机器学习或大型语言模型方面的经验——这些概念将在课程中逐步介绍。

描述

Spring AI 2：使用 Java 和 Spring Boot 构建生产就绪型 AI 应用
人工智能正在变革软件开发，而Spring AI 2将企业级 AI 功能直接引入 Spring 生态系统。本课程面向 Java 开发人员、Spring Boot 开发人员和软件架构师，旨在帮助他们使用大型语言模型 (LLM)、检索增强生成 (RAG)、AI 代理、模型上下文协议 (MCP)、多模态 AI 和生产就绪型架构来构建现代化的 AI 应用。

从基础知识入手，您将学习如何使用 Spring AI 2 将 OpenAI、Gemini、Anthropic Claude、Ollama 和 Azure OpenAI 等领先的 AI 模型集成到 Spring Boot 应用程序中。然后，您将逐步学习高级企业级主题，包括向量数据库、文档摄取管道、元数据过滤、可观测性、安全性、知识图谱和多代理编排。

与纯理论课程不同，每一节课都辅以实践项目、真实案例和生产最佳实践，您可以立即将其应用到自己的应用程序中。

在本课程结束时，您将掌握设计、构建、部署和监控可扩展、安全且适用于企业的智能 Spring Boot 应用程序的技能。

你将学到什么

使用 Spring AI 2 构建 AI 应用

– 集成 OpenAI、Gemini、Claude、Ollama 和 Azure OpenAI

– 利用聊天 API 和流式传输技术创建对话式人工智能

实现工具调用和函数调用

– 使用持久聊天内存构建 AI 应用程序

– 开发检索增强生成（RAG）应用程序

– 执行元数据过滤以实现准确的文档检索

构建用于文档导入的 ETL 管道

处理 PDF、Word 文档、HTML、Markdown 和网站

构建视觉和多模态人工智能应用

– 语音转文本 (STT) 和文本转语音 (TTS) 转换

– 设计多智能体人工智能系统

– 保护应用程序免受提示注入攻击

– 利用可观测性和追踪技术监控人工智能应用

构建知识图谱 RAG 解决方案

– 使用模型上下文协议 (MCP) 集成外部工具

– 开发可重用的AI代理技能

– 将 AI 应用部署到生产环境

课程大纲

路径 1 – 初学者
使用 Spring AI 打下坚实的基础。

– 第 01 课：核心聊天 API

– 第二课：流式响应

– 第 03 课：刀具调用

– 第 04 课：聊天记录

– 第 05 课：检索增强生成（RAG）

路径 2 – 中级
学习企业级 AI 应用开发。

– 第 06 课：元数据过滤

– 第 7 课：ETL 和文档导入

– 第 8 课：视觉与多模态人工智能

– 第 9 课：音频（语音转文本和文本转语音）

– 第十课：多智能体编排

路径 3 – 高级
掌握可用于生产的 AI 架构。

第11课：安全与快速注入防御

第十二课：可观测性和监控

– 第13课：知识图谱 RAG

– 第 14 课：MCP（模型上下文协议）集成

– 第15课：代理技能与智能工作流程

本课程面向
希望使用 Spring AI 2 构建 AI 应用的 Java 开发人员；
对实现聊天机器人、RAG（红黄绿蓝绿）、嵌入式系统和函数调用等 AI 功能感兴趣的后端开发人员；
无需机器学习背景即可转型为 AI 应用开发人员；
以及正在探索适用于 Java 和 Spring 系统的生产级 AI 解决方案的架构师和技术主管。

Complete tutorial for developing AI enabled java application

What you’ll learn
Build AI-powered Java applications using Spring AI 2 by integrating Large Language Models (LLMs) into Spring Boot projects.
Integrate popular AI providers such as OpenAI, Anthropic, Google Gemini, Ollama, and Azure OpenAI using Spring AI’s unified API.
Implement Retrieval-Augmented Generation (RAG) by connecting vector databases, embedding models, and document retrieval to create context-aware AI applications.
Develop AI chat applications with prompt engineering, conversation memory, streaming responses, and structured outputs.
Use Spring AI Advisors and Tools to enable function calling, tool execution, and intelligent workflows within AI applications.
Work with embeddings and vector stores to perform semantic search, document indexing, and similarity-based retrieval.
Build multimodal AI applications that process text, images, and other supported input types using Spring AI.
Apply production-ready best practices for AI application development, including configuration, testing, observability, error handling, and security.

Requirements
Familiarity with Java and Spring Boot fundamentals, including dependency injection and REST APIs.
An API key for at least one supported AI provider (such as OpenAI, Google Gemini, Anthropic, or Azure OpenAI) or a local Ollama installation for running open-source models.
No prior experience with Artificial Intelligence, Machine Learning, or Large Language Models is required—these concepts will be introduced throughout the course.

Description

Spring AI 2: Build Production-Ready AI Applications with Java & Spring Boot
Artificial Intelligence is transforming software development, andSpring AI 2 brings enterprise-grade AI capabilities directly into the Spring ecosystem. This course is designed for Java developers, Spring Boot developers, and software architects who want to build modern AI-powered applications using Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), AI Agents, Model Context Protocol (MCP), multimodal AI, and production-ready architectures.

Starting with the fundamentals, you’ll learn how to integrate leading AI models such as OpenAI, Gemini, Anthropic Claude, Ollama, and Azure OpenAI into Spring Boot applications using Spring AI 2. You’ll then progress to advanced enterprise topics including vector databases, document ingestion pipelines, metadata filtering, observability, security, knowledge graphs, and multi-agent orchestration.

Unlike theory-only courses, every lesson is backed by hands-on projects, real-world examples, and production best practices that you can immediately apply in your own applications.

By the end of this course, you’ll have the skills to design, build, deploy, and monitor intelligent Spring Boot applications that are scalable, secure, and enterprise-ready.

What You’ll Learn

– Build AI-powered applications using Spring AI 2

– Integrate OpenAI, Gemini, Claude, Ollama, and Azure OpenAI

– Create conversational AI with Chat API and Streaming

– Implement Tool Calling and Function Calling

– Build AI applications with persistent Chat Memory

– Develop Retrieval-Augmented Generation (RAG) applications

– Perform Metadata Filtering for accurate document retrieval

– Build ETL pipelines for document ingestion

– Process PDFs, Word documents, HTML, Markdown, and websites

– Build Vision and Multimodal AI applications

– Convert Speech-to-Text (STT) and Text-to-Speech (TTS)

– Design Multi-Agent AI systems

– Protect applications from Prompt Injection attacks

– Monitor AI applications using Observability and Tracing

– Build Knowledge Graph RAG solutions

– Integrate external tools using Model Context Protocol (MCP)

– Develop reusable AI Agent Skills

– Deploy AI applications to production

Course Curriculum

Path 1 – Beginner
Build a strong foundation with Spring AI.

– Lesson 01: Core Chat API

– Lesson 02: Streaming Responses

– Lesson 03: Tool Calling

– Lesson 04: Chat Memory

– Lesson 05: Retrieval-Augmented Generation (RAG)

Path 2 – Intermediate
Learn enterprise AI application development.

– Lesson 06: Metadata Filtering

– Lesson 07: ETL & Document Ingestion

– Lesson 08: Vision & Multimodal AI

– Lesson 09: Audio (Speech-to-Text & Text-to-Speech)

– Lesson 10: Multi-Agent Orchestration

Path 3 – Advanced
Master production-ready AI architecture.

– Lesson 11: Security & Prompt Injection Defense

– Lesson 12: Observability & Monitoring

– Lesson 13: Knowledge Graph RAG

– Lesson 14: MCP (Model Context Protocol) Integration

– Lesson 15: Agent Skills & Intelligent Workflows

Who this course is for
Java developers who want to build AI-powered applications using Spring AI 2.
Backend developers interested in implementing AI features such as chatbots, RAG, embeddings, and function calling.
Developers transitioning into AI application development without requiring a Machine Learning background.
Architects and technical leads exploring production-ready AI solutions for Java and Spring-based systems.