inflearn logo
知識共有
inflearn logo

Spring開発者のための実践的なLLMサービス開発

Spring Boot環境でOpenAI APIとSpring AIを活用し、RAGベースの文書検索システムを構築する実践講座です。Prompt Engineering、Vector Store、Embeddingの概念から、Difyを活用した迅速なプロトタイピング、MCPツール連携、マルチモーダル、ガードレールまで、AI Assistant開発の全プロセスを段階的に学習します。直接実装する方法とノーコードツールを活用する方法を比較しながら、実務への適用戦略を身につけることができます。

21名 が受講中です。

難易度 初級

受講期間 無制限

openai
openai
vector-database
vector-database
prompt engineering
prompt engineering
RAG
RAG
Spring AI
Spring AI
openai
openai
vector-database
vector-database
prompt engineering
prompt engineering
RAG
RAG
Spring AI
Spring AI

受講後に得られること

  • Spring AIでChatClient、構造化出力、ストリーミング応答を実装する実践感覚

  • ベクトルストアベースのRAGパイプラインを設計からチャンキング戦略まで自ら構築する能力

  • MCPツール連携、マルチモーダル処理、ガードレール適用まで、プロダクションレベルのLLMサービスを完成させる経験

  • Dify Knowledgeを基盤としたAIアシスタントの構成およびSpring Boot連携方法

Springで完成させるLLMサービス、RAGからプロダクションまで

この講義は、Spring Boot開発者が実務ですぐに活用できる LLMサービス開発能力を身につけることを目標としています。Spring AIのChatClientの基本的な使い方構造化出力ストリーミング応答の実装から始め、RAGパイプラインの構築(ベクトルストア連携、チャンク分割戦略、検索品質の改善)、MCPを活用した外部ツール連携画像などのマルチモーダル入力処理Dify連携、そしてサービスの安定性を高めるガードレールの適用まで、段階的に扱います。最後には、学んだ内容を統合したミニプロジェクトを通じて、実際のサービス形式の成果物を完成させます。

  • 社内文書・知識検索:RAGパイプラインにより、社内文書、マニュアル、Wikiを検索可能なチャットボットに変換

  • コマース/小売AI連携:MCPベースのツール連携により、注文照会や商品推薦などのバックエンド機能をLLMが直接呼び出せるように構成(実際の大規模小売MCPコマース連携プロジェクトで使用されたパターンを反映)

  • 金融・エンタープライズAIサービス:ガードレールの適用により、応答の信頼性と安定性が重要となる金融業界向けAIサービスの構造設計

  • マルチモーダル文書処理:画像が含まれる文書(契約書、レポートなど)を併せて分析するサービス

この講義の特徴

📌 理論の説明にとどまらず、実行可能なSpring Bootサンプルプロジェクトで実際に実習ிழமை

📌 RAGパイプラインを構築する中で直面し得る実際の問題(チャンキング戦略、検索品質の低下など)と解決プロセスをそのまま共有します

📌 MCP、マルチモーダル、Dify連携など、最新のエコシステムの流れを実務の観点から反映

📌 ミニプロジェクトを通じて、個別の機能ではなく1つの完成したサービス構造を体験 :)

このような方におすすめです

LLM開発でレベルアップしたいです。
Springバックエンドの経験はあるものの、LLMサービスをどこから始めればよいのか分からない方

RAGサービスの構築に興味があります。
RAGを概念としてしか知らず、実際に実装しながら原理を身につけたい方

Spring AIの開発プロセスに興味があります。
社内文書検索、チャットボット、AIアシスタント機能をSpringベースで構築する必要がある実務担当者

受講後には

  • Spring AIエコシステムの主要な構成要素を活用して、自分だけのLLMサービスを設計・実装できるようになります。ChatClient、ベクトルストア、MCP、ガードレールを組み合わせ、アイデアをサービス構造に落とし込む感覚を身につけます。. Bạn sẽ nắm được cách kết hợp ChatClient, kho lưu trữ vector, MCP và guardrail để chuyển ý tưởng thành cấu trúc dịch vụ.

  • RAGパイプラインで発生する問題を自ら診断し、改善できるようになります。検索品質が低下する原因を、チャンク分割戦略、プロンプト、ベクトル検索パラメータの単位に分けて確認し、修正する実務的なデバッグ能力を身につけます。. Bạn sẽ phát triển năng lực gỡ lỗi thực tế bằng cách phân tích và khắc phục nguyên nhân khiến chất lượng tìm kiếm giảm sút theo từng yếu tố như chiến lược chia nhỏ, prompt và tham số tìm kiếm vector.

  • 社内文書・マニュアルを検索可能なチャットボットへ変換する作業を自ら担当して進められるようになります。RAGベースの知識検索システムを、要件分析から実装まで一から最後まで設計できるレベルに到達します。. Bạn sẽ đạt đến trình độ có thể thiết kế hệ thống tìm kiếm tri thức dựa trên RAG từ đầu đến cuối, từ phân tích yêu cầu đến triển khai.

  • MCPを活用し、LLMがバックエンド機能(照会、推薦、処理など)を直接呼び出す統合タスクを設計できるようになります。コマースや社内システムなどの既存APIをLLMワークフローに接続する構成を、自ら描けるようになります。

  • ガードレールと安定性基準が必要なAIサービス(金融、社内規定の遵守など)の初期アーキテクチャをリードできるようになります。"動作するデモ"ではなく、"安心して使えるサービス"を基準とした設計議論に参加できるようになります。. Bạn sẽ có thể tham gia thảo luận thiết kế dựa trên tiêu chuẩn của một {{"demo hoạt động được"}} chứ không chỉ là {{"dịch vụ có thể tin tưởng để sử dụng"}}.

このような内容を学びます。

1. Spring AIの基礎

  • ChatClientの基本構造と呼び出し方法、プロンプトテンプレートの構成

  • 構造化出力(Structured Output)でLLMの応答をJavaオブジェクトに安全にマッピングする方法

  • ストリーミング応答の実装 — リアルタイムで回答が表示されるチャット型UIをサポートするバックエンド設計

2. ツール・マルチモーダル拡張

  • MCP(Model Context Protocol)を活用し、LLMが外部ツール(照会、処理、推奨などのバックエンド機能)を直接呼び出せるように連携する

  • 画像などのマルチモーダル入力を併せて処理するサービス構成(契約書・報告書などの文書+画像の混合分析の例を含む)

  • Difyとの連携を通じてノーコードワークフローとSpringバックエンドを組み合わせる方法


3. RAGパイプラインの構築

  • ベクトルストア連携および埋め込みの保存・検索構造の設計

  • ドキュメントのチャンク分割戦略の比較(トークン単位 vs 段落単位)と状況別の選択基準 — 実際に検索品質の低下を経験し、戦略を変更した事例の紹介

  • 検索品質を低下させる原因(意味単位の損傷、関連性の低いチャンクの混入など)を診断し、改善する方法


4. サービスの安定化と実践プロジェクト

  • ガードレールの適用により、誤った応答や悪用可能な入力を除外する方法

  • 金融業界など信頼性が重要なドメインで求められる安定性設計の基準

  • これまで学んだ要素(ChatClient、RAG、MCP、マルチモーダル、ガードレール)を一つに統合するミニプロジェクトの実施

この講義を作った人

"頭の中の知識は知識ではない。"という考えのもと、私が持っているささやかな経験と知識をうまくまとめ、より分かりやすく説明できるよう努めています。JavaとSpring Frameworkの技術を基盤として、LLMやAI分野にも関心をお持ちの方であれば、より簡単に理解できる講義になると思います。

  • 26年間にわたる講義、コンサルティングおよび開発経験をもとに、実務的な経験とノウハウを理解していただけるよう解説しながら講義を行っています。

  • アーキテクト・エンジニアとしての現在:GraphRAGベースのナレッジグラフシステムとエンタープライズAIプラットフォームを自ら設計・開発しています。

    • 2023年~現在:(株)エヌジェイワンカンパニー代表取締役


    • ) 東国大学校 国際情報大学院 情報保護学科 特任教授

    • ) JP Morgan Chase AMJ Tech consultant(日本)

    • ) Samsung SDS CMS事業本部 責任エンジニア

  • 金融業界でのAI/LLMプロジェクト遂行:AI・LLM関連の金融業界プロジェクトを複数回遂行し、信頼性と安定性が特に重要な金融ドメインにおいて、LLMサービスを設計・実装する実務経験を積みました。

  • 長年にわたるMSA・クラウドネイティブ・AI講義:Spring Boot、Spring Cloud、MSA、Kafka、Blockchain、Machine Learning、Deep Learning、DevOps分野で講義を行っています。

  • 企業向け講義およびカリキュラム設計:クラウド/MSA/セキュリティ/AIコースなど、多数の企業・ブートキャンプ向けカリキュラムを設計し、自ら講義を行ってきました。理論にとどまらず、実際のプロジェクト遂行経験を講義に生かすことを原則としています。


何か気になる点はありますか?

Q. AIや機械学習をまったく知らなくても受講できますか?

A. はい、可能です。本講義ではSpring開発者の視点からLLMサービスの開発を扱い、AI関連の概念については必要なタイミングで説明します。

Q. 実習には費用がかかりますか?

A. LLM APIの使用に伴い費用が発生する場合がありますが、ローカルモデル(Ollamaなど)を活用した実習方法も併せてご案内します。講義全体を受講するための費用は実習の実行回数によって異なりますが、おおよそ$1~$2程度のAPI費用が発生する可能性があります。講義ではOpenAIが提供するモデルを使用します。

Q. RAGやMCPを初めて学ぶ場合でもついていけますか?

A. はい、概念の説明から実習まで段階的に構成されているため、初めて触れる場合でも無理なく学習を進められます。

Q. 講義を修了すれば実際のサービスに適用できますか?

A. 講義後半のミニプロジェクトは実際のサービス構造を反映しているため、社内プロジェクトや個人サービスにすぐ応用できます。

受講前の注意事項

実習環境

  • 講義ではmacOS(Sequoia 15.7.4を基準に説明しますが、Windows OSをお使いの方も簡単に進めていただけます。

  • 講義ではOpenJDK 21+をベースに、IntelliJ IDEAとPostmanを使用して実習を行います。

  • ビルドツールとしてMavenまたはGradleを使用します。

  • PGVectorの実習のため、Dockerコンテナを実行するためのDocker Desktopのインストールが必要です。

  • 実装したAPIをテストし、ストリーミングレスポンスなどを直接呼び出して確認するために、Postmanを使用します。

学習資料

  • セクション別のスライド資料(韓国語)を提供(PDFファイル)

  • 実行可能なSpring Bootサンプルプロジェクトを提供(Githubリポジトリを提供)

前提知識および注意事項

  • Spring Bootの基本的な使用経験が必要(REST APIの理解)

  • AI/LLMに関する事前知識は不要です

  • 実習のためにLLM APIキー(またはローカルモデルの実行環境)が必要になる場合があります(実習例で詳しく説明します)

こんな方に
おすすめです

学習対象は
誰でしょう?

  • Spring Bootの経験はあるが、LLM/AIサービスの開発は初めてのバックエンドエンジニア

  • RAG、ベクトル検索などをチュートリアルレベルではなく、実務プロジェクトに適用したい開発者

  • RAGとLLM技術を実践中心に理解したいAIサービスプランナー

  • 社内AI機能(チャットボット、文書検索、レコメンドなど)をSpringベースで自ら実装する必要がある実務担当者

前提知識、
必要でしょうか?

  • Spring Bootの基本文法とREST APIの概念理解

  • Javaプログラミングの基礎知識およびオブジェクト指向概念の理解

  • HTTP通信とJSONデータ処理に関する基本的な理解

こんにちは
Dowon Leeです。

インフラン認証

30,934

受講生

1,757

受講レビュー

1,381

回答

4.8

講座評価

9

講座

私はITエンジニアです。以前、いつか職業欄に"会社員?"、"開発者?"、"講師?"のどの言葉を選ぶべきか悩んだことがありました。そこで、ITエンジニアという表現が自分に最も合う職業名だと思い、今でも職業欄には"ITエンジニア"と記入しています。

職業というのは自分の仕事を表すものであり、仕事というのは楽しく、誰かの役に立つものであればよいと思っています。誰もが皆、思いどおりの仕事をしながら生きていけるわけではありませんが、私は自分がしているこの仕事が好きで、うまくできるようになりたいと思っている人間です。開発者として、講師として、コンサルタントとしての役割を果たしながら、次々と新しく発表され、変化していくITの新技術についていくのに精いっぱいではありますが、それでも、誰よりも少しでも早く触れ、広め、使ってみたいと思っている人の一人です。

最近関心を持っている分野はオンライン教育コンサルティングです。また、関心のある技術は Cloud Native Architecture、Blockchain、Machine Learning、Kafka、Kuberbetes などです。これらの技術については実際に講義も行っており、業務に適用して使用もしています。しかし、あまりにも広大なテーマであるため、今でも引き続き勉強しています。

頭の中に持っているだけでは、真の知識とは言えないと言われています。私は、自分が持つ知識と経験をさまざまな方法で共有していきたいと思います。そして、新しい分野や新しい技術に挑戦し続けるITエンジニアであり続けます。

 

 

  • ) エンジェイワンカンパニー代表

  • ) 東国大学校 国際情報大学院 情報保護学科 特任教授

  • ) JP Morgan Chase AMJ Tech consultant(日本)

  • ) サムスンSDS CMS事業本部 責任エンジニア

 

 

もっと見る

カリキュラム

全体

124件 ∙ (19時間 38分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

まだ十分な評価を受けていない講座です。
みんなの役に立つ受講レビューを書いてください!

Dowon Leeの他の講座

知識共有者の他の講座を見てみましょう!

似ている講座

同じ分野の他の講座を見てみましょう!

期間限定セール

¥19,470

70%

¥8,122