Spring AI Počítačový Kurz

1. Úvod do Spring AI

• Vytvoření a konfigurace projektu
• Role promptu a odesílání promptů
• Napsání prvního testu
• Výběr modelu
• Konfigurace modelu
• Náhled na možnosti Spring AI

2. Pochopení odpovědí

• Jak ověřit relevantnost odpovědí
• Přesnost při běhu aplikace

3. Prompty v detailu

• Používání šablon promptů
• Definice nové šablony promptu
• Pochopení kontextu
• Role a její důležitost
• Ovlivnění generování odpovědí pomocí možností (options)
• Streamování a formátování výstupu
• Metadata v odpovědi

4. Využití vašich dat a dokumentů

• Pochopení RAG (Retrieval-Augmented Generation)
• Nastavení vektorového úložiště a načtení dokumentů
• První implementace RAG
• RAG pomocí advisoru
• Modulární funkce RAG

5. Role paměti v AI

• Proč potřebujeme paměť
• Přidání a konfigurace paměti pro podporu konverzací
• ID konverze
• Podpora trvalé paměti
• Ukládání paměti chatu do vektorového úložiště

6. Nástroje umělé inteligence (AI Tools)

• Aplikace s povolenými nástroji
• Pochopení možností nástrojů
• Psaní a nasazení nástroje
• Funkce jako nástroje

7. Protokol Model Context Protocol (MCP)

• Proč potřebujeme MCP?
• Práce s klientem MCP
• Psaní serveru MCP
• Databáze a nástroje pro server MCP
• Pochopení transportu přes HTTP a SSE (Server-Sent Events)
• Zveřejnění promptů a zdrojů

8. Monitorování operací

• Povolení metrik aktuatoru
• Kontrola operací vektorového úložiště
• Sledování interakcí s modelem
• Počítání tokenů
• Zavedení do Prometheusu a vytvoření dashboardu
• Sledování (tracing) operací umělé inteligence

9. Ochranné mechanismy v generativní AI

• Kontrola dokumentů přistupujících skrze RAG
• Zabezpečení nástrojů
• Boj proti adversariálnímu promptování
• Moderace uživatelského vstupu

10. Běžné vzory generativní AI

• Shrnování obsahu
• Překlad zpráv
• Analýza sentimentu

11. Role agentů

• Co je agent
• Implementace agentních pracovních postupů
• Řetězení promptů, směrování úkolů a paralelizace
• Přístup k agentům prostřednictvím MCP