Скачать [stepik] Spring AI: LLM-приложения на Java

  • Гость, подпишитесь сейчас

    📥 Наш адрес сайта меняется, чтобы быть в курсе актуального адреса, подпишитесь на телеграм канал «Перейти»

Описание складчины

Нейросети уже применяются в маркетинге, программировании, дизайне, образовании и создании контента. [stepik] Spring AI: LLM-приложения на Java покажет, как использовать AI в повседневной работе, а складчина поможет приобрести курс.

Информация
Цена: 90 РУБ
Организатор: Kail Kail
Скачать
Kail
Kail
Организатор
Организатор
Регистрация
09.04.2020
Сообщения
463 956
Реакции
45 774
Монеты
1 191
Оплачено
0
Баллы
0
  • #SkladchinaVip
  • #1
[stepik] Spring AI: LLM-приложения на Java
Ссылка на картинку


Чему вы научитесь


  • Подключать модели OpenAI, Anthropic, Ollama и другие языковые модели через единый интерфейс Spring AI
  • Проектировать запросы к модели с помощью шаблонов и получать структурированные ответы в виде объектов Java
  • Давать модели доступ к бизнес-логике через вызов инструментов и аннотацию @tool
  • Строить системы поиска с дополнением ответов: загрузка документов, разбивка на фрагменты, построение векторных представлений, векторное хранилище и поиск
  • Подключать внешние серверы по открытому протоколу взаимодействия с моделями от Anthropic
  • Сохранять историю диалогов в памяти модели с разными стратегиями ограничения её объёма
  • Настраивать наблюдаемость и сбор метрик через Micrometer, Prometheus и Grafana
  • Реализовывать ограничение частоты запросов, фильтрацию персональных данных и защитные ограничения для боевой среды
  • Собрать полноценного ассистента с поиском по документам, инструментами, памятью и мониторингом
О курсе

Начинаем с простого клиента для общения с моделью, затем учимся управлять запросами и преобразовывать ответы в объекты Java. Дальше подключаем вызов инструментов, и модель начинает вызывать ваши методы Java самостоятельно. Добавляем память диалогов, чтобы модель помнила контекст между запросами.

Вторая половина курса посвящена продвинутым темам. Система поиска с дополнением ответов: загрузка документов, разбивка на фрагменты, построение векторных представлений, векторное хранилище, поиск и генерация ответов на основе ваших данных. Открытый протокол взаимодействия с моделями (Model Context Protocol) от Anthropic стандартизирует связь языковых моделей с внешними системами

Для кого этот курс
Java-разработчики, которые хотят добавить возможности искусственного интеллекта в свои приложения и работать с языковыми моделями на привычном стеке. Backend-инженеры на экосистеме Spring, желающие освоить Spring AI и строить интеллектуальные сервисы без перехода на другие языки. Тимлиды и архитекторы, выбирающие подход к внедрению языковых моделей в продукт.

Программа курса

1. Старт: окружение и первое приложение

- HTTP-клиент к LLM.
- Spring AI vs LangChain4j vs SDK.
- Готовим стенд.
- API-ключи OpenAI и Anthropic.
- Ollama локально.
- Знакомство с финальным проектом курса.

2. ChatClient: первый разговор с моделью

- ChatClient: builder, fluent API.
- ChatRequest, ChatResponse и метаданные.
- Подключаем OpenAI.
- Подключаем Anthropic Claude.
- Локальный режим.
- Один YAML, три провайдера.
- Streaming через SSE.
- ChatOptions: temperature, top-p, max-tokens.
- Практика: REST API с переключателем моделей.

3. Промпты и структурированный вывод

- PromptTemplate: переменные и ST-синтаксис.
- SystemMessage, UserMessage, AssistantMessage.
- Где хранить промпты.
- Structured Output: BeanOutputConverter.
- Коллекции и вложенные объекты.
- JSON Schema и валидация ответа.
- Multi-modal: картинки и PDF.
- Ошибки промптов и как их чинить.
- Практика: парсер вакансий.

4. Tool Calling: LLM как часть бизнес-логики

- Что такое tool calling.
- @tool: декларативное описание инструментов.
- Регистрация: @Bean, builder, программно.
- @ToolParam и JSON-схема параметров.
- ToolContext: пробрасываем контекст.
- Цепочки tool-вызовов.
- Безопасность tool calling.
- Ошибки инструментов.
- Параллельный tool calling.
- Практика: AI-помощник e-commerce.

5. Память диалогов: история, которая не теряется

- ChatMemory: интерфейс и реализации.
- InMemoryChatMemory для прототипов.
- JdbcChatMemoryRepository: история в PostgreSQL.
- Альтернативы: Redis и MongoDB.
- Стратегии обрезки истории.
- Multi-tenant память.
- Подсчет токенов и контроль контекста.
- Практика: Telegram-бот с персональной историей.

6. RAG: модель отвечает по твоим документам

- Зачем RAG: галлюцинации и ограничения LLM.
- EmbeddingModel: эмбеддинги в Spring AI.
- Локальные vs облачные эмбеддинги.
- VectorStore API: единый интерфейс.
- PgVector: установка, индексы, расстояния.
- Qdrant как альтернатива.
- SimpleVectorStore и Chroma для прототипов.
- DocumentReader: PDF, DOCX, Markdown.
- DocumentTransformer: chunking и overlap.
- Метаданные: фильтрация по тегам и датам.
- QuestionAnswerAdvisor: базовый RAG.
- Продвинутый RAG: rewriting, expansion, reranking.
- RetrievalAugmentationAdvisor и кастомные стратегии.
- Гибридный поиск: vector + BM25.
- Оценка качества RAG.
- Практика: AI-ассистент по документации.

7. MCP: Model Context Protocol на Java

- Что такое MCP и зачем он нужен.
- Архитектура MCP: клиент, сервер, транспорты.
- Свой MCP-сервер на Spring Boot.
- @McpTool, @McpResource, @McpPrompt.
- JSON Schema и валидация tool definitions.
- MCP Client: подключаемся к чужим серверам.
- Готовые MCP-серверы: filesystem, Brave, GitHub.
- OAuth2-авторизация для MCP.
- Развертывание: standalone, Kubernetes, sidecar.
- Практика: MCP-сервер для корпоративной БД.

8. Production: безопасность, надежность

- Spring AI метрики.
- Distributed tracing: Zipkin, Tempo, Jaeger.
- Логирование промптов.
- Подсчет токенов и стоимости.
- Retry, circuit breaker, fallback.
- Семантический кеш на эмбеддингах.
- Rate limiting: защита бюджета.
- Prompt injection и jailbreaks.
- PII-фильтрация перед отправкой в облако.
- Evals в CI/CD: ловим деградацию.
- Практика: защита для RAG-проекта.

9. Финальный проект: AI-ассистент поддержки

- Постановка задачи.
- Архитектура.
- Реализация ядра приложения.
- Тестирование.
- Dockerfile с правильными слоями.
- Docker Compose.
- Деплой на VPS.
- Мониторинг в Grafana.

Показать больше
 
Зарегистрируйтесь , чтобы посмотреть контент.
java olama spring ai stepik бизнес искусственный интеллект нейросети
Похожие складчины

Войдите или зарегистрируйтесь

Вы должны быть авторизованны для просмотра материала

Создать аккаунт

Создать учетную запись займет не больше минуты!

Войти

Уже зарегистрированы? Просто войдите.