Konfiguracja środowiska programistycznego dla Generatywnej AI dla Javy

July 2, 2026 · View on GitHub

Szybki start: Dostarcz swoje modele AI na Azure AI Foundry jako kod przy użyciu Bicep + azd w kilka minut — zobacz Przewodnik konfiguracji Azure AI Foundry. Uwierzytelnianie jest bezkluczowe (Microsoft Entra ID), więc nie musisz zarządzać kluczami API.

Czego się nauczysz

  • Konfiguracji środowiska programistycznego Java dla aplikacji AI
  • Wybierania i konfigurowania preferowanego środowiska programistycznego (chmurowego z Codespaces, lokalnego kontenera deweloperskiego lub pełnej lokalnej instalacji)
  • Testowania konfiguracji przez połączenie z modelem Azure AI Foundry

Spis treści

Wprowadzenie

Ten rozdział poprowadzi Cię przez konfigurację środowiska programistycznego. W całym kursie używamy Azure AI Foundry dla modeli. Modele udostępniasz jako kod za pomocą Bicep i Azure Developer CLI (azd), następnie łączysz się z uwierzytelnianiem bezkluczowym (Microsoft Entra ID) — bez kopiowania czy wycieków kluczy API.

Nie wymaga lokalnej konfiguracji! Możesz użyć GitHub Codespaces, które zapewnia pełne środowisko programistyczne w przeglądarce i tam też zrealizować provisioning Foundry.

Wybieramy Azure AI Foundry na potrzeby kursu, ponieważ:

  • Provisioning jako kod — jedno polecenie azd up wdraża konto i wdrożenia modeli
  • Bezkluczowe — uwierzytelnianie poprzez logowanie do Azure lub zarządzaną tożsamość
  • Gotowe do produkcji — ten sam kod działa lokalnie i w Azure
  • Elastyczne — wymieniaj modele zmieniając nazwę wdrożenia, nie swój kod

Uwaga: Wdrożenia Azure AI Foundry są rozliczane za token (płać za zużycie). Zobacz przewodnik konfiguracji Azure AI Foundry dla informacji o provisioning, regionach i kosztach.

Krok 1: Skonfiguruj środowisko programistyczne

Stworzyliśmy wstępnie skonfigurowany kontener deweloperski, aby zminimalizować czas konfiguracji i zapewnić Ci wszystkie niezbędne narzędzia do tego kursu Generatywnej AI dla Javy. Wybierz preferowaną metodę:

Opcje konfiguracji środowiska:

Opcja A: GitHub Codespaces (zalecane)

Zacznij pisać kod w 2 minuty — bez konieczności konfiguracji lokalnej!

  1. Sforkuj to repozytorium na swoje konto GitHub

    Uwaga: Jeśli chcesz edytować podstawową konfigurację, zobacz Dev Container Configuration

  2. Kliknij Code → zakładka Codespaces → ... → New with options...
  3. Użyj domyślnych ustawień – wybierze to konfigurację Dev container: Generative AI Java Development Environment stworzony na potrzeby tego kursu
  4. Kliknij Create codespace
  5. Poczekaj około 2 minut na gotowość środowiska
  6. Przejdź do Kroku 2: Provision Azure AI Foundry
Screenshot: Codespaces submenu Screenshot: New with options Screenshot: Create codespace options

Zalety Codespaces:

  • Nie wymaga instalacji lokalnej
  • Działa na dowolnym urządzeniu z przeglądarką
  • Wstępnie skonfigurowany ze wszystkimi narzędziami i zależnościami
  • Darmowe 60 godzin miesięcznie dla kont osobistych
  • Spójne środowisko dla wszystkich uczestników kursu

Opcja B: Lokalny kontener deweloperski

Dla programistów preferujących lokalny rozwój z Dockerem

  1. Sforkuj i sklonuj to repozytorium na swój lokalny komputer

    Uwaga: Jeśli chcesz edytować podstawową konfigurację, zobacz Dev Container Configuration

  2. Zainstaluj Docker Desktop i VS Code
  3. Zainstaluj rozszerzenie Dev Containers w VS Code
  4. Otwórz folder repozytorium w VS Code
  5. Gdy pojawi się monit, kliknij Reopen in Container (lub użyj Ctrl+Shift+P → "Dev Containers: Reopen in Container")
  6. Poczekaj na zbudowanie i uruchomienie kontenera
  7. Przejdź do Kroku 2: Provision Azure AI Foundry
Screenshot: Dev container setup Screenshot: Dev container build complete

Opcja C: Użyj istniejącej lokalnej instalacji

Dla programistów mających już środowisko Java

Wymagania:

Kroki:

  1. Sklonuj to repozytorium lokalnie
  2. Otwórz projekt w swoim IDE
  3. Przejdź do Kroku 2: Provision Azure AI Foundry

Porada: Jeśli masz słabszy komputer, a chcesz używać VS Code lokalnie, skorzystaj z GitHub Codespaces! Możesz połączyć lokalny VS Code z chmurowym Codespace, łącząc to, co najlepsze z obu światów.

Screenshot: created local devcontainer instance

Krok 2: Provision Azure AI Foundry

Wdróż modele AI kursu do Azure AI Foundry jako kod. Z katalogu głównego repozytorium:

cd 02-SetupDevEnvironment
azd auth login
az login
azd up

azd poprosi o nazwę środowiska i region, utworzy konto Azure AI Foundry z wdrożeniami gpt-4o-mini i text-embedding-3-small, a następnie zapisze endpoint w pliku .env przykładu — wszystko z uwierzytelnianiem bezkluczowym (bez kluczy API).

Szczegółowy przewodnik: Zobacz Przewodnik konfiguracji Azure AI Foundry dla wymagań wstępnych, alternatywy manualnej (portal), wskazówek dot. regionów oraz informacji o kosztach i czyszczeniu.

Krok 3: Przetestuj konfigurację

Gdy modele Foundry są wdrożone, przetestuj połączenie za pomocą aplikacji przykładowej w 02-SetupDevEnvironment/examples/basic-chat-azure.

  1. Otwórz terminal w swoim środowisku programistycznym.
  2. Przejdź do przykładu: 
    cd 02-SetupDevEnvironment/examples/basic-chat-azure
  3. Upewnij się, że jesteś zalogowany (uwierzytelnianie bezkluczowe wymaga tokena): 
    az login

    Jeśli uruchomiłeś azd up, plik .env z endpointem został już dla Ciebie zapisany.

  4. Uruchom aplikację: 
    mvn clean spring-boot:run

Powinieneś zobaczyć odpowiedź z modelu gpt-4o-mini.

Zrozumienie przykładowego kodu

Przykład w examples/basic-chat-azure to aplikacja Spring Boot, która używa Spring AI do łączenia się z Azure AI Foundry z uwierzytelnianiem bezkluczowym.

Co robi ten kod:

  • Łączy się z Azure AI Foundry używając Twojego logowania do Azure (Microsoft Entra ID) — bez klucza API
  • Wysyła zapytanie do modelu gpt-4o-mini
  • Odbiera i wyświetla odpowiedź AI
  • Weryfikuje poprawność konfiguracji

Główna zależność (w pom.xml):

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-model-azure-openai</artifactId>
</dependency>

Konfiguracja (application.yml):

spring:
  ai:
    azure:
      openai:
        # Endpoint only - no api-key. Spring AI uses DefaultAzureCredential (keyless).
        endpoint: ${AZURE_OPENAI_ENDPOINT}
        chat:
          options:
            deployment-name: ${AZURE_OPENAI_DEPLOYMENT:gpt-4o-mini}

Podsumowanie

Świetnie! Masz teraz wszystko skonfigurowane:

  • Zdalnie wdrożyłeś modele Azure AI Foundry jako kod za pomocą Bicep + azd
  • Uruchomiłeś środowisko programistyczne Java (czy to Codespaces, kontener, czy lokalne)
  • Połączyłeś się z Azure AI Foundry z uwierzytelnianiem bezkluczowym (Microsoft Entra ID) — bez kluczy API
  • Przetestowałeś, że wszystko działa na prostym przykładzie komunikującym się z modelem

Kolejne kroki

Rozdział 3: Podstawowe techniki generatywnej AI

Rozwiązywanie problemów

Masz problemy? Oto najczęstsze błędy i rozwiązania:

  • Błąd uwierzytelniania (401/403)?

    • Uruchom az login — uwierzytelnianie jest bezkluczowe, musisz być zalogowany
    • Sprawdź, czy Twoje konto ma rolę Cognitive Services OpenAI User na zasobie
    • Jeśli właśnie provisionowałeś, poczekaj minutę na propagację przypisania roli

  • Nie znaleziono Maven?

    • W kontenerach deweloperskich/Codespaces Maven jest zainstalowany domyślnie
    • W lokalnej konfiguracji upewnij się, że masz Java 21+ i Maven 3.9+
    • Sprawdź instalację poleceniem mvn --version

  • Nie znaleziono azd lub provisioning się nie powiódł?

  • Kontener deweloperski się nie uruchamia?

    • Upewnij się, że Docker Desktop działa (do lokalnego rozwoju)
    • Spróbuj przebudować kontener: Ctrl+Shift+P → "Dev Containers: Rebuild Container"

  • Błędy kompilacji aplikacji?

    • Upewnij się, że jesteś w odpowiednim folderze: 02-SetupDevEnvironment/examples/basic-chat-azure
    • Spróbuj wyczyścić i przebudować projekt: mvn clean compile

Potrzebujesz pomocy?: Jeśli nadal masz problemy, otwórz zgłoszenie w repozytorium, a pomożemy Ci.

Zastrzeżenie: Niniejszy dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Choć dążymy do dokładności, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub niedokładności. Oryginalny dokument w jego języku źródłowym należy uznawać za autorytatywne źródło. W przypadku informacji krytycznych zalecane jest skorzystanie z profesjonalnego tłumaczenia wykonanego przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.