Spring AI – sztuczna inteligencja w Spring Boot

Wprowadzenie do Spring AI

• Czym jest Spring AI i jakie problemy rozwiązuje
• Różnice między Spring AI a innymi narzędziami np. LangChain, OpenAI SDK
• Konfiguracja środowiska i przygotowanie projektu
• Bezpieczne przechowywanie kluczy API i danych wrażliwych

Praca z promptami i czatem

• Jakie są role wiadomości w rozmowie z AI i jak je wykorzystywać
• Tworzenie szablonów promptów w kodzie i z użyciem DSL
• Strategie tworzenia skutecznych zapytań do modeli językowych
• Strumieniowanie odpowiedzi i zapewnienie stabilności działania

Embeddingi i Vector Store

• Co to są embeddingi i jak „rozumieją” one tekst
• Jak masowo przetwarzać dokumenty i budować wyszukiwarkę semantyczną
• Filtrowanie wyników na podstawie metadanych
• Jak dbać o aktualność danych i wersjonowanie bazy embeddingów

Retrieval-Augmented Generation (RAG)

• Łączenie danych z dokumentów z odpowiedziami generowanymi przez AI
• Różne sposoby dzielenia dokumentów na fragmenty i ich wpływ na wyniki
• Łączenie tradycyjnych algorytmów (np. BM25) z embeddingami
• Jak poprawić szybkość i trafność odpowiedzi przez cache’owanie
• Metody sprawdzania jakości odpowiedzi modeli językowych

Wykonywanie zadań i agenci

• Udostępnianie funkcji aplikacji modelom AI w sposób kontrolowany
• Jak ograniczyć dostęp do danych i kontrolować częstotliwość zapytań
• Monitorowanie działań agentów i rejestrowanie zdarzeń
• Budowa prostego agenta krok po kroku w stylu ReAct
• Automatyzacja działań przez planowanie i wykonanie zadań z podziałem na etapy
• Możliwość integracji z zewnętrznymi narzędziami do orkiestracji zadań

Praca z multimodalnymi danymi

• Jak AI może tworzyć obrazy na podstawie opisu tekstowego
• Rozpoznawanie i opisywanie treści na obrazach
• Przetwarzanie mowy — zamiana głosu na tekst i odwrotnie
• Praktyczne zastosowanie: bot głosowy z zapasową obsługą tekstową

Tworzenie przepływów w Spring AI Flow

• Projektowanie przepływów zadań przy użyciu prostego języka DSL
• Równoległe i sekwencyjne przetwarzanie zadań
• Obsługa błędów i ponawianie nieudanych kroków
• Zapisywanie i odtwarzanie stanu działania procesów

Testowanie i kontrola jakości

• Jak testować prompty jak zwykłe funkcje aplikacji
• Tworzenie zestawów testowych i porównywanie wyników
• Wykorzystanie sztucznych modeli i danych do testów
• Narzędzia do oceny i porównywania jakości odpowiedzi AI

Produkcyjne wdrożenie i bezpieczeństwo

materiały szkoleniowe - część teoretyczna szkolenia, slajdy - zostaną udostępnione uczestnikom na szkoleniu w formie pdf.

uczestnik otrzyma certyfikat uczestnictwa z opisem nabytych umiejętności

• Dobra znajomość języka Java oraz Spring Boot
• Ogólne pojęcie o dużych modelach językowych będzie pomocne, ale nie jest wymagane

Szkolenie będzie prowadzone zdalnie, w czasie rzeczywistym, na żywo, z trenerem, możliwością zadawania pytań.

Szkolenie składa się w 30% z wykładu teoretycznego, w 70% z warsztatów i samodzielnej pracy programistycznej.

Podczas szkolenia uczestnicy mają dostęp do czatu z trenerem, współdzielą ekran podczas części warsztatowej, żeby zaprezentować postęp swojej pracy.

Walidacja będzie bazowała na ocenie efektów samodzielnej pracy uczestników, będzie sprawdzała nabytą wiedzę teoretyczną i umiejętność jej zastosowania w praktyce.

szkolenie na platformie zoom, wymagane:

stabilne połączenie internetowe (zalecane min. 10Mbit/s download i 1Mbit/s upload)

przeglądarka internetowa Chrome

zainstalowana aplikacja Zoom App

dobrej jakości słuchawki oraz mikrofon (opcjonalnie) kamera internetowa

link do szkolenia zostanie przesłany uczestnikom przed szkoleniem i będzie aktywny do końca szkolenia.