🌐 Claude × Google Vertex AI

⭐⭐ 中級 雲端部署 完成可獲證書

原始課程：Claude with Google Cloud's Vertex AI（英文）

📖 課程簡介

Google Cloud Vertex AI 是 GCP 的統一機器學習平台，讓你可以透過 Google Cloud 的基礎設施使用 Claude，享有 GCP 的安全性、合規性和與 Google 服務的原生整合。

如果你的組織已經使用 Google Workspace、BigQuery 或其他 GCP 服務，這門課提供在 GCP 生態系中部署 Claude 的完整路徑。

⚠️ 前置條件

前置條件

• Python 程式設計基礎
• GCP 基礎知識（IAM、Cloud Storage、Cloud Run 等核心服務）
• 建議先完成 使用 Claude API 開發

🎯 學習目標

完成本課程後，你將能夠：

• 在 Google Cloud Vertex AI 上設定和存取 Claude
• 設計提示工程系統並最佳化
• 建立完整的 RAG（檢索增強生成） 管道
• 執行系統評估（評估 AI 回應品質）
• 應用 AI 架構模式（企業級部署）
• 整合 Claude 與 Google Cloud 服務
• 進行視覺處理、PDF 處理和引用功能的應用

📋 課程大綱

⚙️ 單元一：Vertex AI 基礎設定

• Vertex AI 服務介紹
• IAM 權限和服務帳戶
• 啟用 Claude 模型（Model Garden）
• Google Cloud SDK 和客戶端程式庫設定

🔧 單元二：基本 API 使用

• 透過 Vertex AI 呼叫 Claude
• 認證機制（Application Default Credentials）
• 與 Anthropic 直接 API 的差異

✍️ 單元三：提示工程最佳化

• 系統提示設計
• 提示範本管理
• 多模態提示（文字 + 圖片）

👁️ 單元四：視覺處理

• 圖片分析和描述
• 文件版面分析
• 視覺問答（Visual QA）

📄 單元五：PDF 處理

• 原生 PDF 解析
• 長文件策略
• 引用功能（Citation Feature）

🔍 單元六：RAG 管道建立

• 使用 Vertex AI Search 建立搜尋索引
• 文件攝入和向量化
• 語意搜尋整合
• 回應生成和引用

📊 單元七：系統評估

• 評估框架設計
• 自動化評估指標
• 人工評估最佳實踐
• 持續改善循環

🏗️ 單元八：AI 架構模式

• Vertex AI 上的代理系統
• 多步驟工作流程
• 企業級安全和合規

📝 重點筆記

⚖️ Anthropic API vs. Google Vertex AI 的選擇

考量	Anthropic 直接 API	Google Vertex AI
GCP 整合	需要額外設定	原生整合
BigQuery 整合	不支援	原生支援
Workspace 整合	不支援	可整合
IAM 控制	不適用	完整 GCP IAM
合規性	Anthropic 條款	Google 條款（適合企業）

🐍 Vertex AI 基本呼叫範例

import anthropic
from google.auth import default

# 使用 Application Default Credentials
credentials, project = default()

client = anthropic.AnthropicVertex(
    region="us-east5",
    project_id=project,
)

message = client.messages.create(
    model="claude-opus-4-6@20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "請解釋 Google Vertex AI 的主要功能"
        }
    ]
)

print(message.content[0].text)

🔍 RAG 管道架構

使用者問題
    │
    ↓
1. 向量搜尋（Vertex AI Search）
    │ 找到相關文件片段
    ↓
2. 上下文組裝
    │ 將文件片段和問題組合成提示
    ↓
3. Claude 生成回答
    │ 根據提供的上下文
    ↓
4. 引用標注
    │ 標明回答來源
    ↓
最終回答（含引用）

📊 系統評估的關鍵指標

指標	說明
準確性	回答是否事實正確
相關性	回答是否切題
完整性	是否涵蓋所有重要面向
忠實度	是否有虛構不在來源中的資訊
引用品質	引用是否正確對應到回答內容

💡 學習建議

搭配學習：

• 先完成 使用 Claude API 開發
• 如果使用 AWS，參考 Claude × Amazon Bedrock

實作練習：

1. 在 Vertex AI 上執行第一個 Claude API 呼叫
2. 建立一個簡單的 PDF 分析工具，使用 Claude 的原生 PDF 處理
3. 使用 Vertex AI Search 建立一個企業文件問答系統

🔗 相關課程

• 使用 Claude API 開發（建議先修）
• Claude × Amazon Bedrock（AWS 替代方案）
• MCP 入門（工具整合）