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ベースのドキュメント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開発の全工程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、実務への適用戦略を身につけることができます。 🆕 [アップデート] セクション4には、TypeSafeのJev意思決定モデルを扱う補足講義(1時間)が追加され、エージェントの判断ロジックをより深く設計する方法まで学べます。

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とJev意思決定モデルまで

この講義では、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指します。Spring AIのChatClientの基本的な使い方と構造化された出力、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、チャンキング戦略、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確保するための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・ナレッジ検索: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/リテールAI連携:MCPベースのツール連携により、注文照会や商品レコメンド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(実際の大規模リテール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:ガードレールを適用し、応答の信頼性と安定性が重要な金融業界向けAIサービスの構造設計

  • マルチモーダル文書処理:画像を含む文書(契約書、報告書など)も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演習

📌 RAGパイプラインの構築で直面し得る実際の問題(チャンク分割戦略、検索品質の低下など)と、その解決過程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動向を実務的な観点から反映

📌 ミニプロジェクトを通じて、個別の機能ではなく一つの完成され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途方に暮れている方

RAGサービスの構築に関心があります。
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開発コー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ベースで開発する必要がある実務担当者

受講後は

  • Spring AIエコシステムの主要コンポーネントを活用して、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成に落とし込む感覚を身につけます。

  • 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。

  • 社内文書・マニュアルを検索可能なチャットボットに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ベースのナレッジ検索システムを要件分析から実装まで、最初から最後まで設計できるレベルになります。

  • MCPを活用し、LLMがバックエンド機能(照会、レコメンド、処理など)を直接呼び出す統合処理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造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、"信頼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。

このような内容を学びます。

1. Spring AIの核心基礎

  • 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)によって、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出力されるチャット型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、推薦などのバックエンド機能)を直接呼び出せるように連携】【。

  • 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、文書と画像を組み合わせた分析例を含む)

  • Difyとの連携を通じて、ノーコードワークフローとSpringバックエンドを結合する方法

  • [補足講義] TypeSafe Jev意思決定モデルでエージェントの判断ロジックを設計する


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

  • 文書チャンキング戦略の比較(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検出して除外する方法

  • 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を実施

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、自分が持っているわずかな経験と知識をうまくまとめ、より理解しやすく説明できるよう努めています。JavaとSpring Frameworkの技術を基盤に、LLMやAIの分野にも関心を持っている方であれば、より理解しやすい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くための説明を交え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)エンジェイワンカンパニー代表


    • 現) 東国大学校国際情報大学院情報保護学科 特任教授

    • 前) JP Morgan Chase AMJ Tech consultant (日本)

    • 前)Samsung SDS CMS事業本部 責任エンジニア

  • 金融業界におけるAI/LLMプロジェクトの遂行: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で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の分野で講義を行っています。

  • 企業研修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、数多くの企業・ブートキャンプ向けカリキュラムを設計し、直接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反映することを基本方針としています。


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。この講座では、Spring開発者の視点からLLMサービスの開発を扱い、AI関連の概念は必要なタイミングでその都度説明します。

Q. 実習に費用はかかりますか?

A. LLM APIの使用に伴い、費用が発生する場合があります。また、ローカルモデル(Ollamaなど)を活用した実習方法も併せて案内します。講義全体を受講する場合、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を初めて扱う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進められます。

Q. 講義を完走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成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。

Q. 講義は継続的に更新されますか?

A. はい。たとえばセクション4には、TypeSafeのJev意思決定モデルを扱う1時間分の補足講義が追加されています。

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をご利用の方も簡単に進めていただけます。

  • 講義では、OpenJDK 21+を基盤に、IntelliJ IDEAとPostmanを使用して実習を進めます。

  • ビルドツールとしてMavenまたはGradleを使用します。

  • PGVectorの実習を行うため、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

  • セクションごとのスライド資料を提供(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(講義資料内でGithub repoを公開)

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。

インフラーン認証

32,586

受講生

1,798

受講レビュー

1,395

回答

4.8

講座評価

11

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。

 

 

  • 現) エンジェイワンカンパニー代表

  • 現) 東国大学校 国際情報大学院 情報保護学科 特任教授

  • 前) JP Morgan Chase AMJ Tech consultant(日本)

  • 前) 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

132件 ∙ (21時間 6分)

講座資料:

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

6件

5.0

6件の受講レビュー

  • 93backend님의 프로필 이미지
    93backend

    受講レビュー 5

    ∙

    平均評価 5.0

    5

    24% 受講後に作成

    講義内容はとても良いです。Spring AIだけでなく、AI関連の概念そのものも学べてよかったです。 ただ、講義を聞いていると、奇妙な高周波のノイズ音が継続的に聞こえるので、この点は次回少し改善していただけるとよいと思います。

    • kenneth
      知識共有者

      こんにちは。イ・ドウォンです。 講義をご受講いただき、貴重なご意見をお寄せくださりありがとうございます。 Spring AIだけでなく、AI関連の概念を理解するうえでもお役に立てたとのことで、うれしく思います。 ご指摘いただいた高周波ノイズにより、受講中ご不便をおかけしてしまい申し訳ございません。録音時にはノイズを最小限に抑えるよう注意しておりますが、一部の講義ファイルに雑音が含まれている可能性がございます。もし音が聞こえる講義のタイトルや該当箇所をお知らせいただけましたら、その動画を確認し、音質の改善が可能か検討いたします。 今後録音する講義でも、ご指摘いただいた点をより入念に確認いたします。 ありがとうございます。

  • blossommind0637님의 프로필 이미지
    blossommind0637

    受講レビュー 2

    ∙

    平均評価 5.0

    5

    61% 受講後に作成

    • kimjs43843809님의 프로필 이미지
      kimjs43843809

      受講レビュー 1

      ∙

      平均評価 5.0

      5

      30% 受講後に作成

      • godmin9548님의 프로필 이미지
        godmin9548

        受講レビュー 3

        ∙

        平均評価 5.0

        5

        30% 受講後に作成

        • oinl17775637님의 프로필 이미지
          oinl17775637

          受講レビュー 4

          ∙

          平均評価 5.0

          5

          30% 受講後に作成

          Dowon Leeの他の講座

          知識共有者の他の講座はこちら

          似ている講座

          同じ分野の他の講座を見てみましょう!

          新規会員登録で25%OFF

          ¥6,161

          25%

          ¥8,211