Этот курс посвящён тем аспектам Spring AI, которые становятся особенно важны после базовой интеграции: логирование, отладка, настройка поведения модели и кастомизация компонентов RAG. Мы займёмся debug’ом и troubleshooting’ом уже работающего приложения, научимся заглядывать под капот Spring AI и использовать его расширяемость для более точного контроля над процессом взаимодействия с LLM.

Фокус курса — на контроле, предсказуемости и возможности пошагового улучшения поведения системы.

Для кого курс:
Этот курс предназначен для бэкенд-разработчиков на Java, которые уже знакомы с основами Spring AI и хотят углубиться в настройку поведения этой технологии. Идеален для инженеров, стремящихся разрабатывать продвинутые потоки ИИ с кастомными советниками, цепочками запросов, внедрением метаданных, расширением запросов и переоценкой результатов — создавая более умные и управляемые микросервисы на базе LLM.

Содержание курса:
11 лекций • Общая продолжительность 4 ч 11 мин
Introduction
Troubleshooting - Log & Fix
Настройки модели и рагу из Рага
Debug and Analyze
От пользователя к модели - как работает ChatClientRequest
Настраиваем свой первый Advisor
Пишем логику первого Advisor-a - запускаем, проверяем
Пишем свой RAG Advisor
Системный промпт и ExpensionQuery
Что попадает в модель - исследуем документы в контексте
Как выбрать самые важные чанки - пишем свой Reranker 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.



Подробнее: