駕馭 AI 的全端實戰養成班：從零打造企業級智慧應用系統

直播回放：連台積電都在高薪搶「 Spring 全端工程師」？別再問 AI「能不能做」—帶 AI 寫出可上線、可審查 Code 的 4 個提示詞轉折

上完這堂課！你也可以做出這個 ： https://ai-crm.springai.world

在 AI 技術日新月異的浪潮下，軟體開發的規則正在被重新改寫。身為工程師，你是否也常遇到以下焦慮

「Vibe Coding」的不穩定性：用 AI 生成的程式碼雜亂無章難以維護，無法落地於生產環境

• 利用 AI 工具確實能快速拼湊出一些「跑得動」的程式碼，但因為缺乏系統化的工程架構與安全概念，寫出的系統零散、難以維護，更別提要在企業級生產環境中上線了。

AI 技術焦慮：只會呼叫 ChatGPT API，不知道如何結合企業真實數據

• 網路上充斥著「串接 API 做聊天機器人」的入門教學。但當面臨「如何讓 AI 讀取資料庫真實金額與權限」、「如何結合產品 FAQ 做 RAG 向量搜尋且保證不憑空捏造數字」等實務落地場景時，卻不知從何下手。

職涯與薪資成長停滯：純前端或純後端市場趨於飽和

• 在激烈的就業市場中，傳統的單一技術棧工程師面臨薪資天花板。然而，根據市場調查，具備 AI 整合能力的全端工程師在市場上極為稀缺，薪資溢價可達 25% 以上，卻苦無系統化的學習途徑來跨過這個門檻。

作品集缺乏說服力：面試只有陽春的範例，無法證明企業級交付能力

• 在求職或轉職時，履歷上的專案多是簡單的 Todo List 或電商購物車，無法向面試官展示你具備處理「登入認證（Security/JWT）、資料庫版控（Flyway）、複雜動態查詢與自動化測試」等企業級實務問題的能力。

這幾年，我最常被問到的問題是：「AI 是不是要取代工程師了？」
.
但真正坐在編輯器前面寫過專案的人都知道，現階段的 AI 不是來搶飯碗的，而是開發者手上最實用的那個助手——它能幫你寫程式、重構舊系統、生測試、把設計圖變網頁原型。問題從來不是「AI 會不會做」，而是「你會不會用它做出真正能上線的東西」。
.
於是我開始觀察身邊的工程師。我發現大家卡住的地方驚人地一致：
教學文章和線上課多到看不完，但幾乎都停在「教你呼叫一次 LLM API、做一個會聊天的 Demo」。一旦要把 AI 接進真實的企業系統——要登入、要權限、要讀資料庫的真實資料、要引用公司文件、要能追蹤 AI 到底做了什麼——資源就突然斷掉了。更別說市面上八成的 AI 教學都是 Python，對於每天用 Java、Spring 吃飯的後端與全端工程師，等於得從零換一套技術棧。
.
我自己長期在 Java 生態打滾，帶過 Spring Boot 實戰課程，出過 Spring AI 電腦書。我一直想做一件事：不要再用拼湊的範例教學，而是用一個從頭到尾連貫的真實產品，把所有技術串成一條完整的開發路線。
.
所以有了這堂課。我把原本分散的 Spring 全端與 AI 整合教材，重新設計成一套以「AI CRM 智慧業務助理」為主軸的實戰課。你會從零打造後端、資料庫、前端、權限，再一步步加入 Spring AI、RAG、工具呼叫與 MCP，最後交出一套可登入、可查客戶、會給銷售建議、還能追蹤 AI 決策過程的企業級系統。而且全程，我會帶你用 AI Agent 協作開發——因為這正是現在工程師該有的工作方式。
.
我想證明一件事：AI 時代的工程師，不是被取代的人，而是那個能駕馭 AI、把它變成生產力、做出真東西的人。如果你也這麼相信，這堂課就是為你準備的。

🎯 一套 AI CRM 貫穿全課，不是零散範例拼盤

從 Unit 1 到 Demo Day，所有技術都長在「同一個產品」上。每一章的產出都成為下一章的地基，最後交出一套可登入、可查客戶、會給銷售建議的完整系統——而不是學完一堆互不相干的 Hello World。

🤖 教你把 AI「接進系統」，而不是做聊天玩具

市面多數 AI 課止步於「呼叫 LLM API」。這堂課帶你用 tool calling 讓 AI 讀資料庫真實數據、用 RAG 引用文件並附來源、用 MCP 串接外部工具，並守住「數字由程式算、文字由 AI 寫」的信任邊界，杜絕憑空亂答。

🏢 直接對齊「企業級」標準，學的就是能上線的寫法

不只讓功能會動，更帶你做分層架構、JWT 權限、全域錯誤處理、資料庫遷移（Flyway）、OpenAPI 文件與上線檢查清單——這些才是 demo 與正式系統之間真正的差距。

☕ 走 Java + Spring AI 主線，補足市場缺口

當八成 AI 課都在教 Python，這堂課用 Java 21 + Spring Boot 4 + Spring AI 2.0 把 AI 落地在真實 JVM 系統，正中後端／全端工程師的技術棧，學完直接用在公司專案。

🛠️ 全程用 AI Agent 協作開發，學會「正確的姿勢」

每個單元都附 AI 提示詞主題，帶你用「先讀需求 → 產程式 → 驗證」的紀律引導 AI，產出可測試、可維運的程式碼，而不是貼上就壞、無法交付的片段。

🎓 結訓帶走一個能放進履歷的完整作品

最終的 AI CRM 智慧業務助理含端到端測試與 Demo Day 展示腳本（登入 → 客戶管理 → AI 對話 → RAG 查詢 → Swagger），求職、轉職、內部展示都拿得出手。

章節 1｜開發環境、專案骨架與 AI 協作流程

• 1-1　AI Agent 協作三原則:先讀需求 → 產程式 → 驗證
• 1-2　用 AI 裝好 JDK 21、Maven、Git、Node 並設定環境變數
• 1-3　建立前後端分離的專案骨架與第一個可啟動的後端
• 1-4　前端顯示 API 健康狀態（連線失敗顯示紅燈）
• 1-5　驗證與常見錯誤:版本衝突如何排查

章節 2｜Spring MVC、REST API 與 CRM Domain Modeling

• 2-1　Spring MVC 請求流程與 DispatcherServlet 的角色
• 2-2　CRM 領域拆解：Customer / Contact / Interaction / Opportunity
• 2-3　用 AI 產生客戶 REST API（先用記憶體暫存資料）
• 2-4　DTO 邊界設計與 Bean Validation 輸入防護
• 2-5　用 PowerShell Invoke-RestMethod 驗證 GET / POST
• 2-6　驗證與常見錯誤

章節 3｜PostgreSQL、Flyway、JPA 與動態查詢

• 3-1　為什麼企業專案不能只靠記憶體資料
• 3-2　用 Docker Compose 啟動 PostgreSQL 18 + pgvector
• 3-3　用 Flyway 做有版本管理的資料表建立
• 3-4　把記憶體服務改成 JPA,資料真正落地
• 3-5　用 Specification 實作多條件任意組合搜尋
• 3-6　驗證:重開資料還在、沒有重複建表

章節 4｜Spring Security、JWT、OpenAPI 與企業級錯誤處理

• 4-1　Spring Security Filter Chain 基礎
• 4-2　實作 JwtUtils 與認證過濾器、SecurityConfig
• 4-3　登入 API 與角色權限（ADMIN 限制刪除）
• 4-4　統一錯誤格式:GlobalExceptionHandler 與 ProblemDetail
• 4-5　用 SpringDoc 產生 OpenAPI 並在 Swagger 帶 JWT
• 4-6　驗證:401、角色差異與 Swagger 呼叫
• 4-7　選讀:用 AOP 加上操作 Log 與動態調整層級

章節 5｜React CRM 工作台與前後端整合

• 5-1　用 Vite 建立 React 19 專案與 vite.config 代理設定
• 5-2　API client、JWT 儲存與自動帶 Token
• 5-3　CRM Dashboard 與客戶列表、搜尋篩選
• 5-4　客戶詳情頁:互動紀錄、商機與 AI 建議入口
• 5-5　骨架屏與毛玻璃視覺、loading / error / empty 狀態
• 5-6　驗證:登入並查到真實後端資料

章節 6｜Spring AI ChatClient、SSE 與 Tool Calling

• 6-1　ChatClient 基礎與 System Prompt 設計
• 6-2　模型端點與金鑰配置
• 6-3　SSE 串流 endpoint 與 React token-by-token 顯示
• 6-4　整合 Security:用 Principal 隔離對話 Session
• 6-5　Tool Calling:讓 AI 讀取真實 CRM 資料（@Tool 與 ToolCallback）
• 6-6　信任邊界:數字由工具算、文字由模型寫,查無資料不亂答
• 6-7　驗證:AI 回答能引用真實客戶資料

章節 7｜RAG、pgvector、MCP 與知識庫擴充

• 7-1　RAG 解決什麼問題、又有什麼限制
• 7-2　文件切片、Embedding 與 Metadata 設計
• 7-3　用 pgvector 建立向量檢索服務
• 7-4　讓 AI 引用知識庫文件並附上來源
• 7-5　MCP 適用場景:行事曆、Email 草稿、報表匯出
• 7-6　如何選用 domain tool / RAG / MCP
• 7-7　驗證:無相關文件時不硬答

章節 8｜結訓專案衝刺與 Demo Day 驗收

• 8-1　全端整合與除錯:CORS、JWT 串接、Seed Data 對齊
• 8-2　三種典型客戶場景的端到端測試（高價值 / 資料不足 / 流失風險）
• 8-3　AI 功能測試策略與上線檢查清單（安全 / 效能 / 可觀測性）
• 8-4　Demo Day 展示腳本:登入 → 客戶管理 → AI 對話 → RAG → Swagger
• 8-5　結語:你帶走的作品與下一步

【在職工程師技能升級】

已有 Java 或 Spring Boot 基礎，想快速掌握 Spring AI 2.0、向量資料庫與 RAG 架構，成為團隊中 AI 落地的核心推手。

【轉職全端 AI 工程師者】

具備基本程式基礎，想轉型為能同時處理 React 前端、Spring 後端與 AI 整合的稀缺人才，需要一份「重量級專案」作品集來敲開面試大門。

【企業 AI 轉型先鋒】

公司計畫導入 AI 應用，身為架構師或技術主管的你，需要一套具備安全邊界、高可靠性、且符合企業安全規範（JWT 授權、資料不洩漏）的技術方案。

【應屆畢業生與就職加速者】

想在履歷中脫穎而出，展示出你「不只會寫 Hello World 程式，更具備分層架構、動態查詢、安全認證與測試驗收」的企業級開發能力。

回覆與作業設計

課前問答

募資期間每天回覆課程問題，募資期後一週 1-2 次，盡量每天做回覆。

回覆設計

課程設有討論區，學員可針對各單元內容提出問題，講師將在 48 小時內回覆。常見問題會整理至 FAQ 專區，方便學員快速查找。

作業設計

每單元皆有實作任務，最終完成一套 AI-CRM 系統

結訓專案

學員需完成 AI CRM 智慧業務助理，涵蓋登入、客戶管理、AI 對話、RAG 知識庫查詢等功能，並在 Demo Day 進行展示驗收。

問卷 Q&A

Q: 課程會教如何使用 AI 協助資料庫設計與系統架構嗎？

A: 課程會以 AI CRM 為案例，先進行 Domain Modeling，再用 AI Agent 協助建立 JPA Entity、資料表關聯、Flyway migration，以及 Controller、Service、Repository 分層架構；同時會實際驗證 AI 產出的 Schema、關聯與程式是否合理。

Q: 課程是否包含資料庫設計與實作？

A: Unit 3 會使用 Docker Compose 啟動 PostgreSQL 與 pgvector，並透過 Flyway、Spring Data JPA、Entity 關聯及 Specification 完成 CRM 資料庫與動態查詢服務。

Q: 課程會教 RAG 或使用 LLM 建立企業知識庫嗎？

A: Unit 7 會將產品文件、互動紀錄與銷售話術切片，建立 Embedding 並存入 pgvector，再透過 Metadata、來源引用與檢索流程，讓 AI 根據企業知識庫回答，而不是只依賴模型記憶。

Q: 課程能否以本地端或 Docker 私有化部署為主，而不是依賴既有雲端服務？

A: 課程中的 PostgreSQL、pgvector、Spring Boot 與 React 都能在本機開發及驗證，不會強迫將企業資料放到特定雲端。n8n、Dify 與完整私有化部署不是本課程內容，適合規劃成後續進階實作。

Q: 課程會涵蓋 RAG 的進階調校嗎？

A: 主課程會涵蓋文件切片、Metadata、Embedding、pgvector 檢索與來源引用。檢索評估、混合搜尋、Reranking。

Q: 課程內容能否應用於 B2B 電子零件供應商的 AI 客服，並整合 Google Workspace？

A: 課程的 B2B AI CRM 包含客戶資料、互動紀錄、AI 摘要、RAG 知識庫與 Tool Calling，適合改造成電子零件供應商的 AI 客服。Gmail、Calendar 等 Google Workspace 實際串接不是課程範圍，可透過 MCP 或外部工具做為解鎖實作。

Q: 課程會同時教 RAG 與模型微調嗎？

A: RAG 是 Unit 7 的核心內容，會實作文件檢索、向量資料庫與來源引用。模型 Fine-tuning 需要另外準備資料集、訓練環境、成本與評估方法，不在本課程範圍。

Q: 課程是否包含 RAG、Kafka、Kubernetes 與分散式運算或儲存？

A: RAG 與 pgvector 是 Unit 7 的核心內容。Kafka、Kubernetes 及分散式運算或儲存需要另一套部署與維運基礎，不納入這門課程，以避免壓縮 AI CRM 的完整實作。

Q: 如何把雜亂文件整理成 AI 可引用的知識庫、降低幻覺，並在內部資料不足時補充網頁搜尋？

A: Unit 7 會把文件切片、加上 Metadata、建立 Embedding 並存入 pgvector，提問時先檢索相關片段並要求 AI 引用來源；查無資料時要明確回覆資料不足。網頁搜尋補充可透過 MCP 或外部工具延伸。

Q: 課程是否會提供基礎必學、AI 必學與進階延伸的學習地圖？

A: 課程依序安排環境與 AI 協作、Spring Boot／REST、PostgreSQL／JPA、Security、React、Spring AI／Tool Calling、RAG／MCP，以及結訓專案。

Q: 達標後會增加 Superpowers 技能課程嗎？

A: 目前有規劃新增「Superpowers：規格驅動的 AI Agent 開發工作流」Bonus 課程，使用 AI CRM 小功能示範需求發想、規格、實作計畫、Git Worktree、TDD、執行、程式碼審查、完工驗證與分支收尾。主課程仍維持 8 個單元，解鎖門檻及正式課綱內容確認後再同步。