Kursus Pelatihan Spring AI

1. Pengenalan Spring AI

• Pembuatan dan konfigurasi proyek
• Peran prompt dan pengiriman prompt
• Menulis uji coba pertama
• Memilih model
• Konfigurasi model
• Pratinjau kemampuan Spring AI

2. Memahami respons

• Cara memeriksa jawaban yang relevan
• Akurasi pada saat runtime

3. Detail prompt

• Menggunakan templat prompt
• Menentukan templat prompt baru
• Memahami konteks
• Peran dan pentingnya
• Mempengaruhi generasi respons menggunakan opsi
• Streaming dan memformat output
• Metadata dalam respons

4. Menggunakan data dan dokumen Anda

• Memahami RAG (Retrieval-Augmented Generation)
• Menyiapkan vector store dan memuat dokumen
• Implementasi RAG pertama
• RAG menggunakan advisor
• Kemampuan RAG modular

5. Peran memori dalam AI

• Mengapa kita membutuhkan memori
• Menambahkan dan mengonfigurasi memori untuk mendukung percakapan
• ID percakapan
• Mendukung memori persisten
• Menyimpan memori obrolan di vector store

6. Alat AI

• Aplikasi yang memungkinkan alat
• Memahami kemampuan alat
• Menulis dan menerapkan alat
• Fungsi sebagai alat

7. Model Context Protocol (MCP)

• Mengapa kita membutuhkan MCP?
• Bekerja dengan Klien MCP
• Menulis Server MCP
• Database dan alat untuk Server MCP
• Memahami transportasi HTTP dan SSE (Server-Sent Events)
• Menampilkan prompt dan sumber daya

8. Pemantauan operasi

• Mengaktifkan metrik actuator
• Memeriksa operasi vector store
• Memeriksa interaksi model
• Penjumlahan token
• Mengintegrasikan semuanya ke Prometheus dan membuat dashboard
• Menelusuri operasi AI

9. Perlindungan dalam generative AI

• Mengontrol dokumen yang diakses via RAG
• Amankan alat
• Membandingkan prompting adversarial
• Moderasi input pengguna

10. Pola generative umum

• Penyarian konten
• Terjemahan pesan
• Analisis sentimen

11. Peran Agen

• Apa itu agen
• Implementasi alur kerja agen
• Merangkai prompt, routing tugas, dan paralelisasi
• Akses agen via MCP