Imported from microsoft/Generative-AI-for-beginners-java (translations/da/AGENTS.md). Install upstream with npx skills add microsoft/Generative-AI-for-beginners-java --skill da. Copyright stays with the author.

AGENTS.md

Projektoversigt

Dette er et uddannelseslager til læring af Generative AI-udvikling med Java. Det tilbyder et omfattende praktisk kursus, der dækker Large Language Models (LLMs), prompt engineering, embeddings, RAG (Retrieval-Augmented Generation) og Model Context Protocol (MCP).

Nøgle teknologier:

Java 21
Spring Boot 3.5.x
Spring AI 1.1.x
Maven
LangChain4j
Azure AI Foundry, Azure OpenAI og OpenAI SDK’er

Arkitektur:

Flere standalone Spring Boot-applikationer organiseret efter kapitler
Eksempler på projekter, der demonstrerer forskellige AI-mønstre
GitHub Codespaces-klar med forudkonfigurerede udviklingscontainere

Opsætningskommandoer

Forudsætninger

Java 21 eller nyere
Maven 3.x
Azure-abonnement med en Azure AI Foundry-modeludrulning (opret med azd up)
Azure CLI (az) og Azure Developer CLI (azd), logget ind til keyless auth

Miljøopsætning

Mulighed 1: GitHub Codespaces (Anbefalet)

# Forgren repository'et og opret et codespace fra GitHub UI
# Dev-containeren installerer automatisk alle afhængigheder
# Vent ca. 2 minutter på opsætning af miljøet

Mulighed 2: Lokal Dev Container

# Klon repository
git clone https://github.com/microsoft/Generative-AI-for-beginners-java.git
cd Generative-AI-for-beginners-java

# Åbn i VS Code med Dev Containers-udvidelse
# Genåbn i container, når du bliver bedt om det

Mulighed 3: Lokal opsætning

# Installer afhængigheder
sudo apt-get update
sudo apt-get install -y maven openjdk-21-jdk

# Bekræft installation
java -version
mvn -version

Konfiguration

Azure AI Foundry opsætning (keyless, anbefalet):

# Provisioner Foundry-kontoen + modelimplementeringer som kode
cd 02-SetupDevEnvironment
azd auth login
az login
azd up
# azd skriver examples/basic-chat-azure/.env med dit endepunkt (ingen nøgle)

Manuel endpoint-konfiguration:

# Hvis du ikke brugte azd, skal du selv indstille endepunktet (godkendelse forbliver nøgleløs via az login)
cd 02-SetupDevEnvironment/examples/basic-chat-azure
cp .env.example .env
# Rediger .env: AZURE_OPENAI_ENDPOINT=https://<resource>.openai.azure.com/

Udviklingsworkflow

Projektstruktur

/
├── 01-IntroToGenAI/              # Chapter 1: Introduction
├── 02-SetupDevEnvironment/       # Chapter 2: Environment setup
│   └── examples/                 # Working examples
├── 03-CoreGenerativeAITechniques/ # Chapter 3: Core techniques
├── 04-PracticalSamples/          # Chapter 4: Sample projects
│   ├── calculator/               # MCP service example
│   ├── foundrylocal/            # Local model integration
│   └── petstory/                # Multi-modal app
├── 05-ResponsibleGenAI/         # Chapter 5: Responsible AI
└── translations/                # Multi-language support

Kørsel af applikationer

Kør en Spring Boot-applikation:

cd [project-directory]
mvn spring-boot:run

Byg et projekt:

cd [project-directory]
mvn clean install

Start MCP Calculator Server:

cd 04-PracticalSamples/calculator
mvn spring-boot:run
# Server kører på http://localhost:8080

Kør klienteksempler:

# Efter at have startet serveren i et andet terminalvindue
cd 04-PracticalSamples/calculator

# Direkte MCP-klient
mvn exec:java -Dexec.mainClass="com.microsoft.mcp.sample.client.SDKClient"

# AI-drevet klient (kræver AZURE_OPENAI_ENDPOINT + az login)
mvn exec:java -Dexec.mainClass="com.microsoft.mcp.sample.client.LangChain4jClient"

# Interaktiv bot
mvn exec:java -Dexec.mainClass="com.microsoft.mcp.sample.client.Bot"

Hot Reload

Spring Boot DevTools er inkluderet i projekter, der understøtter hot reload:

# Ændringer i Java-filer vil automatisk genindlæses, når de gemmes
mvn spring-boot:run

Testinstruktioner

Kørsel af tests

Kør alle tests i et projekt:

cd [project-directory]
mvn test

Kør tests med detaljeret output:

mvn test -X

Kør specifik testklasse:

mvn test -Dtest=CalculatorServiceTest

Teststruktur

Testfiler bruger JUnit 5 (Jupiter)
Testklasser ligger i src/test/java/
Klienteksempler i calculator-projektet findes i src/test/java/com/microsoft/mcp/sample/client/

Manuelle tests

Mange eksempler er interaktive applikationer, der kræver manuel test:

Start applikationen med mvn spring-boot:run
Test endpoints eller interagér via CLI
Verificér forventet adfærd svarer til dokumentationen i hvert projekts README.md

Test med Azure AI Foundry

Log ind med az login før kørsel af eksempler (keyless auth)
Sørg for, at din konto har rollen Cognitive Services OpenAI User på ressourcen
Test indholdsfiltrering med eksemplet om ansvarlig AI i Kapitel 5

Kodestil retningslinjer

Java konventioner

Java version: Java 21 med moderne funktioner
Stil: Følg standard Java konventioner
Navngivning:
- Klasser: PascalCase
- Metoder/variabler: camelCase
- Konstanter: UPPER_SNAKE_CASE
- Pakke-navne: små bogstaver

Spring Boot mønstre

Brug @Service til forretningslogik
Brug @RestController til REST endpoints
Konfiguration via application.yml eller application.properties
Miljøvariabler foretrækkes frem for hardcodede værdier
Brug @Tool annotation for MCP-eksponerede metoder

Filorganisering

src/
├── main/
│   ├── java/
│   │   └── com/microsoft/[component]/
│   │       ├── [Component]Application.java
│   │       ├── config/
│   │       ├── controller/
│   │       ├── service/
│   │       └── exception/
│   └── resources/
│       ├── application.yml
│       └── static/
└── test/
    └── java/
        └── com/microsoft/[component]/

Afhængigheder

Styres via Maven pom.xml
Spring AI BOM til versionsstyring
LangChain4j til AI-integrationer
Spring Boot starter parent til Spring-afhængigheder

Kodekommentarer

Tilføj JavaDoc for offentlige APIs
Inkluder forklarende kommentarer for komplekse AI-interaktioner
Dokumentér MCP tool-beskrivelser klart

Byg og Udrulning

Byg projekter

Byg uden tests:

mvn clean install -DskipTests

Byg med alle checks:

mvn clean install

Pak applikation:

mvn package
# Opretter JAR i target/-mappen

Output-mapper

Kompilerede klasser: target/classes/
Testklasser: target/test-classes/
JAR-filer: target/*.jar
Maven-artifakter: target/

Miljøspecifik konfiguration

Udvikling:

# application.yml (keyless - no api-key; auth via DefaultAzureCredential)
spring:
  ai:
    azure:
      openai:
        endpoint: ${AZURE_OPENAI_ENDPOINT}
        chat:
          options:
            deployment-name: ${AZURE_OPENAI_DEPLOYMENT:gpt-4o-mini}

Produktion:

Brug managed identity i stedet for az login til keyless auth
Peg AZURE_OPENAI_ENDPOINT på din produktions Foundry-ressource
Styr konfiguration via miljøvariabler eller Azure Key Vault

Overvejelser ved udrulning

Dette er et undervisningslager med eksempelsapplikationer
Ikke designet til direkte produktion
Eksempler demonstrerer mønstre, der kan tilpasses produktion
Se individuelle projekters README’er for specifikke udrulningsnoter

Yderligere bemærkninger

Azure AI Foundry

Keyless auth: forbind med Microsoft Entra ID — ingen API-nøgler at administrere
Provisoneret som kode: Bicep + azd (azd up) opretter konto og modeludrulninger
Samme OpenAI-kompatible kode kører lokalt (az login) og i Azure (managed identity)

Arbejde med flere projekter

Hvert eksempelprojekt er standalone:

# Naviger til specifikt projekt
cd 04-PracticalSamples/[project-name]

# Hver har sin egen pom.xml og kan bygges uafhængigt
mvn clean install

Almindelige problemer

Java versions mismatch:

# Bekræft Java 21
java -version
# Opdater JAVA_HOME, hvis nødvendigt
export JAVA_HOME=/usr/lib/jvm/msopenjdk-current

Problemer med afhængighedsdownload:

# Ryd Maven-cache og prøv igen
rm -rf ~/.m2/repository
mvn clean install

Endpoint eller login ikke fundet:

# Indstil slutpunktet i den aktuelle session og log ind (uden nøgle)
export AZURE_OPENAI_ENDPOINT="https://your-resource.openai.azure.com/"
az login

# Eller brug en .env-fil i projektmappen
echo "AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com/" > .env

Port allerede i brug:

# Spring Boot bruger som standard port 8080
# Ændring i application.properties:
server.port=8081

Understøttelse af flere sprog

Dokumentation tilgængelig på 45+ sprog via automatisk oversættelse
Oversættelser i translations/ mappe
Oversættelse styres af GitHub Actions workflow

Læringsvej

Start med 02-SetupDevEnvironment
Følg kapitlerne i rækkefølge (01 → 05)
Udfør praktiske eksempler i hvert kapitel
Udforsk eksempelsprojekter i Kapitel 4
Lær ansvarlig AI-praksis i Kapitel 5

Udviklingscontainer

.devcontainer/devcontainer.json konfigurerer:

Java 21 udviklingsmiljø
Maven forudinstalleret
VS Code Java-udvidelser
Spring Boot værktøjer
GitHub Copilot-integration
Docker-i-Docker understøttelse
Azure CLI

Ydelsesovervejelser

Azure AI Foundry-udrulninger har per-minut token/forespørgselskvoter
Brug passende batch-størrelser til embeddings
Overvej caching ved gentagne API-kald
Overvåg tokenforbrug for omkostningsoptimering

Sikkerhedsbemærkninger

Overfør aldrig .env filer (allerede i .gitignore)
Foretræk keyless auth (Microsoft Entra ID) fremfor API-nøgler
Brug managed identities i Azure; az login til lokal udvikling
Følg ansvarlige AI-retningslinjer i Kapitel 5

Ansvarsfraskrivelse: Dette dokument er blevet 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 misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.

da

About