Spring AI: LLM-приложения на Java

1 участник

О чём курс

Курс Spring AI: LLM-приложения на Java учит подключать языковые модели к Java-приложениям и создавать ассистента с поиском по документам, инструментами, памятью и мониторингом.

Что вы изучите

Работа начинается с простого клиента для общения с моделью. Вы научитесь управлять запросами, преобразовывать ответы в объекты Java, подключать вызов методов Java и сохранять контекст диалога между запросами.

В курсе вы также научитесь:

  • Подключать OpenAI, Anthropic, Ollama и другие языковые модели через единый интерфейс Spring AI.
  • Проектировать запросы 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: загружать и разбивать документы на фрагменты, создавать векторные представления, использовать векторное хранилище и поиск, генерировать ответы на основе своих данных.
  • Подключать внешние серверы по Model Context Protocol — открытому протоколу от Anthropic, который стандартизирует связь языковых моделей с внешними системами.
  • Сохранять историю диалогов в памяти модели и применять разные стратегии 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.
  • Собирать ассистента с поиском по документам, инструментами, памятью и мониторингом.

Для кого курс

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

Программа обучения

    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.
    1. 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.
    1. 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.
    1. 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.
    1. 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.
    1. 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.
    1. 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.
    1. 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.
    1. Финальный проект: AI-ассистент поддержки
    • Постановка задачи.
    • Архитектура.
    • Реализация ядра приложения.
    • Тестирование.
    • Dockerfile с правильными слоями.
    • Docker Compose.
    • Деплой на VPS.
    • Мониторинг в Grafana.
Складчина создана 20 ноября 2026 г.

Запишитесь бесплатно — цена упадёт для всех

У автора этот материал стоит 3 500 ₽. В складчине сумму делят на всех: чем больше участников, тем меньше взнос каждого.

  1. 1 Оставляете email

    Без оплаты и без карты. Пришлём, как занять место в складчине на нашем основном сайте.

  2. 2 Складчина набирает людей

    Сейчас 1 участник и взнос 350 ₽. Ещё 12 человек — и он опустится до 290 ₽.

  3. 3 Открывается сбор

    Присылаем итоговую цену. Устроит — платите и получаете материалы. Нет — просто не платите.

  • 350 ₽ 1 уч. сейчас
  • 290 ₽ 13 уч. цель

Запись ни к чему не обязывает: платите, только если итоговый взнос вас устроит.

Теги курса

Навыки
Инструменты

Другие материалы школы 12

stepik Все материалы
290 ₽ Записаться бесплатно