การตั้งค่าสภาพแวดล้อมการพัฒนาสำหรับ Generative AI สำหรับ Java

July 2, 2026 · View on GitHub

เริ่มต้นอย่างรวดเร็ว: จัดเตรียมโมเดล AI ของคุณบน Azure AI Foundry เป็นโค้ดด้วย Bicep + azd ในไม่กี่นาที — ดูได้ที่ Azure AI Foundry Setup Guide การรับรองความถูกต้องเป็นแบบ ไม่ต้องใช้คีย์ (Microsoft Entra ID) ดังนั้นจึงไม่มีคีย์ API ให้จัดการ

สิ่งที่คุณจะได้เรียนรู้

  • ตั้งค่าสภาพแวดล้อมการพัฒนา Java สำหรับแอปพลิเคชัน AI
  • เลือกและกำหนดค่าสภาพแวดล้อมการพัฒนาที่คุณชอบ (เน้นคลาวด์ด้วย Codespaces, คอนเทนเนอร์พัฒนาท้องถิ่น หรือการตั้งค่าท้องถิ่นเต็มรูปแบบ)
  • ทดสอบการตั้งค่าของคุณโดยการเชื่อมต่อกับโมเดล Azure AI Foundry

สารบัญ

บทนำ

บทนี้จะพาคุณผ่านขั้นตอนการตั้งค่าสภาพแวดล้อมการพัฒนา เราจะใช้ Azure AI Foundry สำหรับโมเดลตลอดหลักสูตรนี้ คุณจะจัดเตรียมโมเดลเป็นโค้ดด้วย Bicep และ Azure Developer CLI (azd) จากนั้นเชื่อมต่อด้วยการรับรองความถูกต้องแบบ ไม่ต้องใช้คีย์ (Microsoft Entra ID) — ไม่มีคีย์ API ให้คัดลอกหรือรั่วไหล

ไม่ต้องตั้งค่าในเครื่อง! คุณสามารถใช้ GitHub Codespaces ซึ่งให้สภาพแวดล้อมการพัฒนาเต็มรูปแบบในเบราว์เซอร์ของคุณ และจัดเตรียม Foundry จากที่นั่น

เราใช้ Azure AI Foundry สำหรับหลักสูตรนี้เพราะ:

  • จัดเตรียมเป็นโค้ด — ใช้ azd up เพียงคำสั่งเดียวก็ปรับใช้บัญชีและการปรับใช้โมเดลได้
  • ไม่ต้องใช้คีย์ — รับรองความถูกต้องด้วยการลงชื่อเข้าใช้ Azure หรือ managed identity
  • พร้อมสำหรับงานจริง — โค้ดเดียวกันทำงานได้ทั้งในเครื่องและบน Azure
  • ยืดหยุ่น — เปลี่ยนโมเดลได้โดยแก้ชื่อการปรับใช้ ไม่ต้องแก้โค้ดของคุณ

หมายเหตุ: การปรับใช้ Azure AI Foundry จะคิดค่าบริการตามจำนวนโทเค็น (จ่ายตามการใช้งาน) ดูได้ที่ Azure AI Foundry setup guide สำหรับรายละเอียดการจัดเตรียม ภูมิภาค และค่าใช้จ่าย

ขั้นตอนที่ 1: ตั้งค่าสภาพแวดล้อมการพัฒนา

เราได้สร้างคอนเทนเนอร์พัฒนาที่กำหนดล่วงหน้าเพื่อช่วยลดเวลาการตั้งค่าและให้แน่ใจว่าคุณมีเครื่องมือที่จำเป็นทั้งหมดสำหรับหลักสูตร Generative AI for Java นี้ เลือกวิธีการพัฒนาที่คุณชอบ:

ตัวเลือกในการตั้งค่าสภาพแวดล้อม:

ตัวเลือก A: GitHub Codespaces (แนะนำ)

เริ่มเขียนโค้ดได้ใน 2 นาที - ไม่ต้องตั้งค่าในเครื่อง!

  1. Fork รีโพซิทอรีนี้ไปยังบัญชี GitHub ของคุณ

    หมายเหตุ: หากคุณต้องการแก้ไขการตั้งค่าพื้นฐาน โปรดดูที่ Dev Container Configuration

  2. คลิก Code → แท็บ Codespaces → ... → New with options...
  3. ใช้ค่าดีฟอลต์ – เลือก Dev container configuration: Generative AI Java Development Environment ซึ่งเป็น devcontainer แบบกำหนดเองสำหรับหลักสูตรนี้
  4. คลิก Create codespace
  5. รอประมาณ 2 นาทีจนกว่าสภาพแวดล้อมจะพร้อมใช้งาน
  6. ดำเนินการต่อไปที่ ขั้นตอนที่ 2: จัดเตรียม Azure AI Foundry
Screenshot: Codespaces submenu Screenshot: New with options Screenshot: Create codespace options

ข้อดีของ Codespaces:

  • ไม่ต้องติดตั้งในเครื่อง
  • ใช้งานได้บนอุปกรณ์ใดก็ได้ที่ใช้เบราว์เซอร์
  • ตั้งค่าล่วงหน้าพร้อมด้วยเครื่องมือและ dependencies ทั้งหมด
  • ฟรี 60 ชั่วโมงต่อเดือนสำหรับบัญชีส่วนตัว
  • สภาพแวดล้อมที่สอดคล้องกันสำหรับผู้เรียนทุกคน

ตัวเลือก B: คอนเทนเนอร์พัฒนาท้องถิ่น

สำหรับนักพัฒนาที่ชอบพัฒนาท้องถิ่นด้วย Docker

  1. Fork และโคลนรีโพซิทอรีนี้ไปยังเครื่องของคุณ

    หมายเหตุ: หากคุณต้องการแก้ไขการตั้งค่าพื้นฐาน โปรดดูที่ Dev Container Configuration

  2. ติดตั้ง Docker Desktop และ VS Code
  3. ติดตั้ง Dev Containers extension ใน VS Code
  4. เปิดโฟลเดอร์รีโพซิทอรีใน VS Code
  5. เมื่อมีข้อความแจ้ง ให้คลิก Reopen in Container (หรือใช้ Ctrl+Shift+P → "Dev Containers: Reopen in Container")
  6. รอให้คอนเทนเนอร์สร้างและเริ่มทำงาน
  7. ดำเนินการต่อไปที่ ขั้นตอนที่ 2: จัดเตรียม Azure AI Foundry
Screenshot: Dev container setup Screenshot: Dev container build complete

ตัวเลือก C: ใช้การติดตั้งในเครื่องที่มีอยู่

สำหรับนักพัฒนาที่มีสภาพแวดล้อม Java อยู่แล้ว

ข้อกำหนดล่วงหน้า:

ขั้นตอน:

  1. โคลนรีโพซิทอรีนี้ไปยังเครื่องของคุณ
  2. เปิดโปรเจกต์ใน IDE ของคุณ
  3. ดำเนินการต่อไปที่ ขั้นตอนที่ 2: จัดเตรียม Azure AI Foundry

เคล็ดลับมือโปร: ถ้าคุณมีเครื่องที่สเปคต่ำแต่ต้องการใช้ VS Code ท้องถิ่น ใช้ GitHub Codespaces! คุณสามารถเชื่อมต่อ VS Code ท้องถิ่นของคุณกับ Codespace บนคลาวด์ เพื่อรับประโยชน์จากทั้งสองโลก

Screenshot: created local devcontainer instance

ขั้นตอนที่ 2: จัดเตรียม Azure AI Foundry

ปรับใช้โมเดล AI ของหลักสูตรไปยัง Azure AI Foundry เป็นโค้ด จาก root ของรีโพซิทอรี:

cd 02-SetupDevEnvironment
azd auth login
az login
azd up

azd จะถามชื่อสภาพแวดล้อมและภูมิภาค จากนั้นจัดเตรียมบัญชี Azure AI Foundry พร้อมการปรับใช้โมเดล gpt-4o-mini และ text-embedding-3-small และเขียน endpoint ลงในไฟล์ .env ของตัวอย่าง — ทั้งหมดนี้ด้วยการรับรองความถูกต้องแบบ ไม่ต้องใช้คีย์ (ไม่มีคีย์ API)

คำแนะนำแบบเต็ม: ดูที่ Azure AI Foundry Setup Guide สำหรับข้อกำหนดล่วงหน้า วิธีการแบบแมนนวล (portal) คำแนะนำภูมิภาค และบันทึกค่าใช้จ่าย/การล้างข้อมูล

ขั้นตอนที่ 3: ทดสอบการตั้งค่าของคุณ

เมื่อโมเดล Foundry ของคุณถูกจัดเตรียมแล้ว ให้ทดสอบการเชื่อมต่อด้วยแอปตัวอย่างใน 02-SetupDevEnvironment/examples/basic-chat-azure

  1. เปิดเทอร์มินัลในสภาพแวดล้อมการพัฒนาของคุณ
  2. ไปยังตัวอย่าง: 
    cd 02-SetupDevEnvironment/examples/basic-chat-azure
  3. ตรวจสอบว่าคุณได้ลงชื่อเข้าใช้แล้ว (การรับรองความถูกต้องแบบไม่ต้องใช้คีย์ต้องใช้โทเค็น): 
    az login

    หากคุณรัน azd up ไฟล์ .env ที่มี endpoint ของคุณก็ถูกเขียนไว้แล้ว

  4. รันแอปพลิเคชัน: 
    mvn clean spring-boot:run

คุณควรเห็นการตอบสนองจากโมเดล gpt-4o-mini

ทำความเข้าใจโค้ดตัวอย่าง

ตัวอย่างใน examples/basic-chat-azure คือแอป Spring Boot ที่ใช้ Spring AI เพื่อเชื่อมต่อกับ Azure AI Foundry ด้วยการรับรองความถูกต้องแบบไม่ใช้คีย์

โค้ดนี้ทำอะไร:

  • เชื่อมต่อ กับ Azure AI Foundry ผ่านการลงชื่อเข้าใช้ Azure ของคุณ (Microsoft Entra ID) — ไม่ต้องใช้คีย์ API
  • ส่ง prompt ไปยังโมเดล gpt-4o-mini
  • รับ และแสดงผลการตอบกลับของ AI
  • ตรวจสอบ ว่าการตั้งค่าของคุณทำงานถูกต้อง

ไลบรารีสำคัญ (ใน pom.xml):

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

การกำหนดค่า (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}

สรุป

เยี่ยม! ตอนนี้คุณได้ตั้งค่าทุกอย่างเรียบร้อยแล้ว:

  • จัดเตรียมโมเดล Azure AI Foundry เป็นโค้ดด้วย Bicep + azd
  • ได้รันสภาพแวดล้อมการพัฒนา Java ของคุณ (ไม่ว่าจะเป็น Codespaces, dev containers หรือท้องถิ่น)
  • เชื่อมต่อกับ Azure AI Foundry ด้วยการรับรองความถูกต้องแบบไม่ใช้คีย์ (Microsoft Entra ID) — ไม่มีคีย์ API
  • ทดสอบทุกอย่างทำงานด้วยตัวอย่างง่าย ๆ ที่สื่อสารกับโมเดลของคุณ

ขั้นตอนถัดไป

บทที่ 3: เทคนิค Generative AI หลัก

การแก้ไขปัญหา

มีปัญหาใช่ไหม? นี่คือปัญหาทั่วไปและวิธีแก้ไข:

  • รับรองความถูกต้องล้มเหลว (401/403)?

    • รัน az login — การรับรองความถูกต้องเป็นแบบไม่ใช้คีย์ คุณต้องลงชื่อเข้าใช้
    • ตรวจสอบว่าบัญชีของคุณมีบทบาท Cognitive Services OpenAI User ในทรัพยากรนั้น
    • หากเพิ่งจัดเตรียม ให้รอสักครู่ให้ระบบมอบหมายบทบาทเสร็จสมบูรณ์

  • ไม่พบ Maven?

    • หากใช้ dev containers/Codespaces จะติดตั้ง Maven มาให้แล้ว
    • สำหรับการตั้งค่าในเครื่อง ให้แน่ใจว่าได้ติดตั้ง Java 21+ และ Maven 3.9+
    • ลองรัน mvn --version เพื่อตรวจสอบการติดตั้ง

  • ไม่พบ azd หรือการจัดเตรียมล้มเหลว?

    • ติดตั้ง Azure Developer CLI และรัน azd auth login
    • เลือกภูมิภาคที่ gpt-4o-mini มีให้บริการ (เช่น eastus2)
    • ดู Azure AI Foundry setup guide สำหรับรายละเอียด

  • คอนเทนเนอร์พัฒนาไม่เริ่มทำงาน?

    • ตรวจสอบว่า Docker Desktop กำลังทำงานอยู่ (สำหรับพัฒนาท้องถิ่น)
    • ลองสร้างคอนเทนเนอร์ใหม่: Ctrl+Shift+P → "Dev Containers: Rebuild Container"

  • ข้อผิดพลาดในการคอมไพล์แอปพลิเคชัน?

    • ตรวจสอบว่าคุณอยู่ในไดเรกทอรีที่ถูกต้อง: 02-SetupDevEnvironment/examples/basic-chat-azure
    • ลองทำความสะอาดและคอมไพล์ใหม่: mvn clean compile

ต้องการความช่วยเหลือ?: หากยังมีปัญหาอยู่ เปิด issue ในรีโพซิทอรีและเราจะช่วยคุณเอง

ปฏิเสธความรับผิดชอบ: เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator ขณะที่เราพยายามให้ความถูกต้อง โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาต้นทางควรถูกพิจารณาเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้การแปลโดยมนุษย์มืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดที่เกิดขึ้นจากการใช้การแปลนี้