Spring AI Treningskurs

1. Innføring i Spring AI

• Opprettelse og konfigurasjon av prosjekt
• Rollen til prompt og prompt-innsending
• Skrive en første test
• Velge modell
• Modellkonfigurasjon
• Forhåndsvisning av Spring AI-funksjoner

2. Forstå svar

• Hvordan sjekke for relevante svar
• Presisjon ved kjøring

3. Prompt i detalj

• Bruk av prompt-mal
• Definere et nytt prompt-mal
• Forstå kontekst
• Rollen og dets viktighet
• Påvirke svargenerering ved hjelp av alternativer
• Strømming og formatering av utdata
• Metadata i svar

4. Bruk av egne data og dokumenter

• Forståelse av RAG (Retrieval-Augmented Generation)
• Sette opp vektormagasin og laste dokumenter
• En første RAG-implementasjon
• RAG med en advisor
• Modulære RAG-funksjoner

5. Rollen til minne i AI

• Hvorfor trenger vi minne
• Legge til og konfigurere minne for å støtte samtaler
• Samtale-ID
• Støtte for permanent minne
• Lagre chat-minne i vektormagasin

6. AI-verktøy

• En verktøyaktivert applikasjon
• Forståelse av verktøyfunksjoner
• Skrive og ta verktøyet i bruk
• Funksjoner som verktøy

7. Model Context Protocol (MCP)

• Hvorfor trenger vi MCP?
• Jobbe med en MCP-klient
• Skrive MCP-tjeneren
• Databaser og verktøy for MCP-tjeneren
• Forståelse av HTTP og SSE (Server-Sent Events)-transport
• Eksponering av prompt og ressurser

8. Overvåking av operasjoner

• Aktivering av aktuator-metrikk
• Kontroll av vektormagasinet operasjoner
• Se etter modellinteraksjon
• Tokentelling
• Sette alt inn i Prometheus og opprette et dashbord
• Sporing av AI-operasjoner

9. Sikkerhet og beskyttelse i generativ AI

• Kontrollere dokumenter som tilgås via RAG
• Sikre verktøy
• Kontrastere mot fiendtlig prompt-inngang
• Moderasjon av brukerinngang

10. Vanlige generative mønstre

• Innholdssammendrag
• Meldingsoversettelse
• Sentimentanalyse

11. Rollen til agenter

• Hva er en agent
• Implementere agentiske arbeidsflyter
• Kjedevise prompts, oppgaverute og parallellisering
• Agenttilgang via MCP