載入中

Google Cloud 上的 Claude

透過 Google Cloud's Agent Platform 使用 Anthropic 模型:設定、提示撰寫、工具使用、RAG、 代理,以及生產部署模式。

8.5 小時
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

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。

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。