- Регистрация
 - 27 Авг 2018
 
- Сообщения
 - 47,032
 
- Реакции
 - 947,475
 
- Тема Автор Вы автор данного материала? |
 - #1
 
		
		
		
			Голосов: 0
		
	
			
				
					
	ОПИСАНИЕ:
В этом курсе мы не просто «подключим GPT». Мы создадим полноценное Spring-приложение, которое умеет говорить с языковой моделью на локальной машине, понимать контекст и работать с вашими собственными документами.
Никакой зависимости от облаков, ключей, подписок. Всё работает офлайн и бесплатно — за счёт Ollama и локальных моделей.
Всё, что вы напишете в процессе — не игрушка и не «Hello world». Это заготовка, которую можно адаптировать под реальный продакшн.
Что делаем:
- Устанавливаем Ollama и запускаем первую языковую модель у себя на машине
 - Подключаем LLM к Spring через Spring AI — без магии, с разбором зависимостей и конфигурации
 - Пишем сервис, который принимает вопросы, общается с моделью и возвращает ответы
 - Добавляем хранилище истории диалога, чтобы модель могла помнить, о чём вы уже говорили
 - Разбираемся с RAG: что это, зачем нужно и как работает.
 - Реализуем сервис, который автоматически находит новые документы, разбивает их на чанки и загружает в RAG при запуске приложения. Всё происходит без ручного триггера — просто кладёшь файл в ресурсах, и система сама его подхватывает и индексирует.
 
- Понимание, как устроены Spring AI и RAG
 - Рабочее приложение, которое можно развивать под реальные задачи
 - Опыт интеграции LLM с вашим сервисом
 - Базу для следующих шагов
 
- Для Java-разработчиков, которые хотят начать использовать AI, но не знают, с чего начать
 - Для тех, кто пробовал OpenAI API, но хочет уйти от зависимости и костов
 - Для инженеров, которым важно понимать, что происходит под капотом
 - Для тех, кто хочет не просто демо, а базу для реальных проектов
 
10 лекций • Общая продолжительность 4 ч 16 мин
- Intro - зачем все это надо?
 - С нуля до первого вызова локальной LLM из Spring AI
 - Подключаем UI - пишем модели
 - Подключаем UI - пишем контроллеры и логику
 - Подключаем UI - пишем интеграцию с LLM
 - Переходим на стриминг
 - Начинаем поддерживать историю
 - Refactoring - переходим на новый API
 - Готовимся строить RAG
 - Документы → Чанки → RAG - свой пайплайн и advisor для RAG и весь финальный код
 
ПРОДАЖНИК:
СКАЧАТЬ: