Spring AI или Весна Искусственного Интеллекта [Udemy] [Евгений Борисов]

[Kors]

Складчина: Spring AI или Весна Искусственного Интеллекта [Udemy] [Евгений Борисов]
Полностью на русском языке


От запуска локального LLM до RAG

В этом курсе мы не просто «подключим GPT». Мы создадим полноценное Spring-приложение, которое умеет говорить с языковой моделью на локальной машине, понимать контекст и работать с вашими собственными документами.
Никакой зависимости от облаков, ключей, подписок. Всё работает офлайн и бесплатно — за счёт Ollama и локальных моделей.
Всё, что вы напишете в процессе — не игрушка и не «Hello world». Это заготовка, которую можно адаптировать под реальный продакшн.

Что делаем:

Устанавливаем Ollama и запускаем первую языковую модель у себя на машине
Подключаем LLM к Spring через Spring AI — без магии, с разбором зависимостей и конфигурации
Пишем сервис, который принимает вопросы, общается с моделью и возвращает ответы
Добавляем хранилище истории диалога, чтобы модель могла помнить, о чём вы уже говорили
Разбираемся с RAG: что это, зачем нужно и как работает.
Реализуем сервис, который автоматически находит новые документы, разбивает их на чанки и загружает в RAG при запуске приложения. Всё происходит без ручного триггера — просто кладёшь файл в ресурсах, и система сама его подхватывает и индексирует.
Что получаем:

Понимание, как устроены Spring AI и RAG
Рабочее приложение, которое можно развивать под реальные задачи
Опыт интеграции LLM с вашим сервисом
Базу для следующих шагов
Для кого курс:

Для Java-разработчиков, которые хотят начать использовать AI, но не знают, с чего начать
Для тех, кто пробовал OpenAI API, но хочет уйти от зависимости и костов
Для инженеров, которым важно понимать, что происходит под капотом
Для тех, кто хочет не просто демо, а базу для реальных проектов

Содержание курса:
10 лекций • Общая продолжительность 4 ч 16 мин

Intro - зачем все это надо?
С нуля до первого вызова локальной LLM из Spring AI
Подключаем UI - пишем модели
Подключаем UI - пишем контроллеры и логику
Подключаем UI - пишем интеграцию с LLM
Переходим на стриминг
Начинаем поддерживать историю
Refactoring - переходим на новый API
Готовимся строить RAG
Документы → Чанки → RAG - свой пайплайн и advisor для RAG и весь финальный код

Автор:
Евгений Борисов
Spring expert с более чем 20 годами опыта разработки. Java RockStar и известный спикер на множестве технических конференций.






СКАЧАТЬ

Для просмотра скрытого содержимого вы должны зарегистрироваться