Spring AI Träningskurs

1. Introduktion till Spring AI

• Projektets skapande och konfiguration
• Prompts roll och inlämning av prompts
• Skriva ett första test
• Välja en modell
• Konfigurering av modellen
• Översikt över Spring AI:s funktioner

2. Förståelse av svar

• Hur man kontrollerar relevanta svar
• Noggrannhet vid körning (runtime)

3. Prompts i detalj

• Användning av promptmallar
• Att definiera en ny promptmall
• Förståelse av kontext
• Rollens betydelse
• Påverka svargenerering med hjälp av alternativ
• Streaming och formatering av utdata
• Metadata i svaret

4. Att använda dina data och dokument

• Förståelse av RAG (Retrieval-Augmented Generation)
• Att ställa in vektorsbutiken och läsa in dokument
• En första RAG-implementering
• RAG med en advisor (rådgivare)
• Modulära RAG-funktioner

5. Minnets roll i AI

• Varför vi behöver minne
• Lägg till och konfigurera minne för att stödja samtal
• Samtals-ID
• Stöd för permanent minne
• Lagring av chattminne i vektorsbutik

6. AI-verktyg

• Ett verktygsanvändande tillämpning
• Förståelse av verktygarnas kapaciteter
• Skriva och implementera verktyget
• Funktioner som verktyg

7. Model Context Protocol (MCP)

• Varför vi behöver MCP?
• Arbeta med en MCP-klient
• Skriva en MCP-server
• Databaser och verktyg för MCP-servern
• Förstå HTTP och SSE (Server-Sent Events) transport
• Exponera prompts och resurser

8. Övervaka operationer

• Aktivera aktuator-metriska
• Kontrollera vektorsbutiksoperationer
• Undersöka modellinteraktion
• Räkna token
• Samla allt i Prometheus och skapa ett dashboard
• Sporra AI-operationer

9. Skydd inom generativ AI

• Kontrollera dokument åtkomst via RAG
• Säkerställ verktyg
• Besvara adversarial prompting
• Upphovsrättsliga insikter och moderering av användarinmatning

10. Vanliga generativa mönster

• Innehållssammanfattning
• Meddelandetolkning
• Stämnanalys

11. Agenters roll

• Vad är en agent?
• Implementera agentic flöden
• Kedjor av prompts, uppgiftsriktning och parallellisering
• Åtkomst till agenter via MCP