Spring AI - Plan Szkolenia

1. Wprowadzenie do Spring AI

• Tworzenie i konfiguracja projektu
• Rola promptu i wysyłanie zapytań
• Pisanie pierwszego testu
• Wybór modelu
• Konfiguracja modelu
• Podgląd funkcjonalności Spring AI

2. Zrozumienie odpowiedzi

• Jak weryfikować trafność odpowiedzi
• Dokładność działania w czasie rzeczywistym

3. Szczegółowy opis promptów

• Wykorzystywanie szablonów promptów
• Definiowanie nowego szablonu promptu
• Zrozumienie kontekstu
• Rola i jej znaczenie
• Wpływ na generowanie odpowiedzi za pomocą opcji
• Streaming i formatowanie wyjścia
• Metadane w odpowiedzi

4. Wykorzystywanie własnych danych i dokumentów

• Zrozumienie techniki RAG (Retrieval-Augmented Generation)
• Konfiguracja magazynu wektorowego i ładowanie dokumentów
• Pierwsza implementacja RAG
• RAG z użyciem advisora
• Modułowe funkcje RAG

5. Rola pamięci w AI

• Dlaczego potrzebujemy pamięci
• Dodawanie i konfigurowanie pamięci w celu obsługi rozmów
• Identyfikator rozmowy (Conversation ID)
• Obsługa trwałej pamięci
• Przechowywanie pamięci czatu w magazynie wektorowym

6. Narzędzia AI

• Aplikacja z włączonymi narzędziami
• Zrozumienie możliwości narzędzi
• Pisanie i wdrażanie narzędzi
• Funkcje jako narzędzia

7. Protokół kontekstu modelu (MCP)

• Dlaczego potrzebujemy MCP?
• Praca z klientem MCP
• Tworzenie serwera MCP
• Baza danych i narzędzia dla serwera MCP
• Zrozumienie transportu HTTP i SSE (Server-Sent Events)
• Ekspozycja promptów i zasobów

8. Monitorowanie operacji

• Włączanie metryk aktuatora
• Sprawdzanie operacji na magazynie wektorowym
• Śledzenie interakcji z modelem
• Liczba tokenów
• Integracja z Prometheus i tworzenie panelu (dashboard)
• Śledzenie (tracing) operacji AI

9. Bezpieczeństwo w generatywnej AI

• Kontrolowanie dokumentów dostępnych poprzez RAG
• Bezpieczeństwo narzędzi
• Zwalczanie wrogich promptów (adversarial prompting)
• Moderacja wejścia użytkownika

10. Powszechne wzorce generatywne

• Streszczanie treści
• Tłumaczenie wiadomości
• Analiza sentymentu

11. Rola agentów

• Czym jest agent
• Implementowanie procesów agentowych (agentic workflows)
• Łańcuchowanie promptów, routowanie zadań i równoległoobrzędność
• Dostęp do agentów poprzez MCP