本課程涵蓋在 Google Cloud 上使用 Claude 模型。您將實作核心 API 功能,例如串流與工具使用,建立系統化的提示評估管線,了解 RAG 系統,並探討代理架構。
您將學到的內容完成本課程後,您將能夠
- 透過 Google Cloud's Agent Platform 設定並配置 Claude 模型
- 實作具備適當訊息處理與上下文管理的多輪對話
- 使用系統化測試工作流程與自動評分技術來設計並評估提示
- 應用提示工程原則,包括 XML 標籤結構化、基於範例的學習,以及輸出控制
- 建立工具使用實作,讓 Claude 能與外部函式及 API 互動
- 使用文字分塊、嵌入、BM25 搜尋以及上下文檢索技術來開發 RAG 管線
- 運用 Claude 的進階功能,包括視覺能力、PDF 處理、引用生成,以及提示快取
- 實作 Model Context Protocol,以建立自訂工具、資源與提示範本
- 為複雜的 AI 系統設計具備平行化、鏈接與路由模式的代理式工作流程
Who it’s for
想要為其應用程式新增 AI 功能的開發人員
Before you start
- 熟練 Python 程式設計
- 具備處理 JSON 資料的基本知識
- 擁有可存取 Agent Platform 的 Google Cloud 帳戶
- 除了 Google Cloud 帳戶外,還需要 Claude API 金鑰,因為 Model Context Protocol 章節中的專案會直接呼叫 Claude API
Inside the course
透過 API 存取 Claude
10 lessons從這裡開始學習基礎知識。涵蓋 API 驗證、基本請求、對話管理、系統提示,以及結構化輸出 生成。
提示工程技巧
6 lessons學習撰寫真正有效的提示。著重於提示策略、評估框架,以及系統化測試方法。
Claude 的工具使用
14 lessons透過自訂工具與函式擴展 Claude。建立具備函式呼叫、多輪工具互動、批次工具呼叫的應用 程式,並運用內建公用程式。
檢索增強生成
10 lessons生產環境 RAG 系統的實作指南。涵蓋文字分塊、嵌入、結合 BM25 的混合搜尋、多索引架構、 重新排序,以及上下文檢索。
Model Context Protocol
12 lessons用於建構模組化 AI 應用程式的協定。定義自訂工具與資源,實作 MCP 伺服器與用戶端,並 處理完整的整合生命週期。
代理與工作流程
8 lessons自主 AI 系統的架構模式。了解平行執行、操作鏈接、條件式路由,以及有效的除錯策略。