Курс на Stepik
Обложка курса «Spring AI: LLM-приложения на Java» на Stepik
3 500 ₽

Spring AI: LLM-приложения на Java ★ 5.000

Открыть на
STEPIK.ORG

Spring AI — фреймворк для встраивания языковых моделей в Java-приложения. Курс охватывает весь путь: первые запросы к модели, подключение собственных данных через векторный поиск, интеграция с внешними сервисами, сохранение контекста между сообщениями.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Spring AI: LLM-приложения на Java»Учеников на курсе 11
Сертификаты, выданные на курсе «Spring AI: LLM-приложения на Java»Сертификатов выдано 3
Отзывы о курсе «Spring AI: LLM-приложения на Java»Отзывов получено 3
Рейтинг курса «Spring AI: LLM-приложения на Java»Рейтинг курса 5.000
Уроки в курсе «Spring AI: LLM-приложения на Java»Количество уроков 89
Тесты в курсе «Spring AI: LLM-приложения на Java»Количество квизов 829
Время прохождения курса «Spring AI: LLM-приложения на Java»Время прохождения курса —
Стоимость курса «Spring AI: LLM-приложения на Java»Стоимость курса 3 500 ₽ —
Обновления курса «Spring AI: LLM-приложения на Java»Обновления курса — —
Дата публикации курса «Spring AI: LLM-приложения на Java»Дата публикации курса — ———
Последнее обновление курса «Spring AI: LLM-приложения на Java»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Spring AI: LLM-приложения на Java» 9 разделов Уроки в курсе «Spring AI: LLM-приложения на Java» 89 уроков Тесты в курсе «Spring AI: LLM-приложения на Java» 829 тестов Время прохождения курса «Spring AI: LLM-приложения на Java» 0 ч. Последнее обновление курса «Spring AI: LLM-приложения на Java» обн. 23 июня 2026

1. Старт: окружение и первое приложение

6 уроков
Открытый
1.1 HTTP-клиент к LLM ↗
12
6
0м 26с
0
Открытый
1.2 Spring AI vs LangChain4j vs голый SDK ↗
7
5
-
0
Открытый
1.3 Готовим стенд: Java 21, Spring Boot 3.4+, Docker ↗
7
5
-
0
Открытый
1.4 API-ключи OpenAI и Anthropic ↗
7
6
-
0
Открытый
1.5 Ollama локально ↗
6
5
-
0
Открытый
1.6 Знакомство с финальным проектом курса ↗
6
5
-
0

2. ChatClient: первый разговор с моделью

9 уроков
Открытый
2.1 ChatClient: builder, fluent API ↗
6
5
-
0
Открытый
2.2 ChatRequest, ChatResponse и метаданные ↗
5
4
-
0
Открытый
2.3 Подключаем OpenAI ↗
6
5
-
0
Открытый
2.4 Подключаем Anthropic Claude ↗
6
4
-
0
Открытый
2.5 Локальный режим: ChatClient поверх Ollama ↗
6
4
-
0
Открытый
2.6 Один YAML, три провайдера ↗
6
5
-
0
Открытый
2.7 Streaming через SSE ↗
6
5
-
0
Открытый
2.8 ChatOptions: temperature, top-p, max-tokens ↗
5
4
-
0
Открытый
2.9 Практика: REST API с переключателем моделей ↗
5
4
-
0

3. Промпты и структурированный вывод

9 уроков
Открытый
3.1 PromptTemplate: переменные и ST-синтаксис ↗
4
4
-
0
Открытый
3.2 SystemMessage, UserMessage, AssistantMessage ↗
4
4
-
0
Открытый
3.3 Где хранить промпты ↗
4
4
-
0
Открытый
3.4 Structured Output: BeanOutputConverter ↗
4
4
-
0
Открытый
3.5 entity(): коллекции и вложенные объекты ↗
4
4
-
0
Открытый
3.6 JSON Schema и валидация ответа ↗
4
4
-
0
Открытый
3.7 Multi-modal: картинки и PDF ↗
4
4
-
0
Открытый
3.8 Ошибки промптов и как их чинить ↗
4
4
-
0
Открытый
3.9 Практика: парсер вакансий ↗
4
4
-
0

4. Tool Calling: LLM как часть бизнес-логики

10 уроков
Открытый
4.1 Что такое tool calling ↗
5
4
-
0
Открытый
4.2 @Tool: декларативное описание инструментов ↗
4
4
-
0
Открытый
4.3 Регистрация: @Bean, builder, программно ↗
4
4
-
0
Открытый
4.4 @ToolParam и JSON-схема параметров ↗
4
4
-
0
Открытый
4.5 ToolContext: пробрасываем контекст ↗
5
4
-
0
Открытый
4.6 Цепочки tool-вызовов ↗
4
4
-
0
Открытый
4.7 Безопасность tool calling ↗
4
4
-
0
Открытый
4.8 Ошибки инструментов ↗
4
4
-
0
Открытый
4.9 Параллельный tool calling ↗
4
4
-
0
Открытый
4.10 Практика: AI-помощник e-commerce ↗
6
5
-
0

5. Память диалогов: история, которая не теряется

8 уроков
Открытый
5.1 ChatMemory: интерфейс и реализации ↗
5
4
-
0
Открытый
5.2 InMemoryChatMemory для прототипов ↗
3
3
-
0
Открытый
5.3 JdbcChatMemoryRepository: история в PostgreSQL ↗
3
3
-
0
Открытый
5.4 Альтернативы: Redis и MongoDB ↗
3
3
-
0
Открытый
5.5 Стратегии обрезки истории ↗
3
3
-
0
Открытый
5.6 Multi-tenant память ↗
4
3
-
0
Открытый
5.7 Подсчёт токенов и контроль контекста ↗
3
3
-
0
Открытый
5.8 Практика: Telegram-бот с персональной историей ↗
5
4
-
0

6. RAG: модель отвечает по твоим документам

16 уроков
Открытый
6.1 Зачем RAG: галлюцинации и ограничения LLM ↗
3
3
-
0
Открытый
6.2 EmbeddingModel: эмбеддинги в Spring AI ↗
4
2
-
0
Открытый
6.3 Локальные vs облачные эмбеддинги ↗
3
3
-
0
Открытый
6.4 VectorStore API: единый интерфейс ↗
3
2
-
0
Открытый
6.5 PgVector: установка, индексы, расстояния ↗
3
2
-
0
Открытый
6.6 Qdrant как альтернатива ↗
2
2
-
0
Открытый
6.7 SimpleVectorStore и Chroma для прототипов ↗
2
2
-
0
Открытый
6.8 DocumentReader: PDF, DOCX, Markdown ↗
3
3
-
0
Открытый
6.9 DocumentTransformer: chunking и overlap ↗
4
3
-
0
Открытый
6.10 Метаданные: фильтрация по тегам и датам ↗
3
2
-
0
Открытый
6.11 QuestionAnswerAdvisor: базовый RAG ↗
2
2
-
0
Открытый
6.12 Продвинутый RAG: rewriting, expansion, reranking ↗
2
2
-
0
Открытый
6.13 RetrievalAugmentationAdvisor и кастомные стратегии ↗
2
2
-
0
Открытый
6.14 Гибридный поиск: vector + BM25 ↗
2
2
-
0
Открытый
6.15 Оценка качества RAG ↗
2
2
-
0
Открытый
6.16 Практика: AI-ассистент по документации ↗
2
2
-
0

7. MCP: Model Context Protocol на Java

10 уроков
Открытый
7.1 Что такое MCP и зачем он нужен ↗
4
3
-
0
Открытый
7.2 Архитектура MCP: клиент, сервер, транспорты ↗
4
3
-
0
Открытый
7.3 Свой MCP-сервер на Spring Boot ↗
4
2
-
0
Открытый
7.4 @McpTool, @McpResource, @McpPrompt ↗
3
2
-
0
Открытый
7.5 JSON Schema и валидация tool definitions ↗
3
2
-
0
Открытый
7.6 MCP Client: подключаемся к чужим серверам ↗
2
2
-
0
Открытый
7.7 Готовые MCP-серверы: filesystem, Brave, GitHub ↗
2
2
-
0
Открытый
7.8 OAuth2-авторизация для MCP ↗
4
2
-
0
Открытый
7.9 Развёртывание: standalone, Kubernetes, sidecar ↗
3
2
-
0
Открытый
7.10 Практика: MCP-сервер для корпоративной БД ↗
3
2
-
0

8. Production: observability, безопасность, надёжность

11 уроков
Открытый
8.1 Micrometer + Spring AI метрики ↗
5
2
-
0
Открытый
8.2 Distributed tracing: Zipkin, Tempo, Jaeger ↗
4
2
-
0
Открытый
8.3 Логирование промптов: 152-ФЗ и GDPR ↗
5
2
-
0
Открытый
8.4 Подсчёт токенов и стоимости ↗
2
2
-
0
Открытый
8.5 Retry, circuit breaker, fallback ↗
2
2
-
0
Открытый
8.6 Семантический кэш на эмбеддингах ↗
2
2
-
0
Открытый
8.7 Rate limiting: защита бюджета ↗
3
2
-
0
Открытый
8.8 Prompt injection и jailbreaks ↗
2
2
-
0
Открытый
8.9 PII-фильтрация перед отправкой в облако ↗
2
2
-
0
Открытый
8.10 Evals в CI/CD: ловим деградацию ↗
2
2
-
0
Открытый
8.11 Практика: observability и защита для RAG-проекта ↗
3
2
-
0

9. Финальный проект: AI-ассистент поддержки

8 уроков
Открытый
9.1 Постановка задачи ↗
4
3
-
0
Открытый
9.2 Архитектура: Spring AI + RAG + Tools + MCP + Memory ↗
4
2
-
0
Открытый
9.3 Реализация ядра приложения ↗
4
3
-
0
Открытый
9.4 Тестирование: unit, integration, e2e ↗
3
2
-
0
Открытый
9.5 Dockerfile с правильными слоями ↗
3
2
-
0
Открытый
9.6 docker-compose: приложение + PgVector + Ollama ↗
4
2
-
0
Открытый
9.7 Деплой на VPS или в облако ↗
3
2
-
0
Открытый
9.8 Мониторинг в Grafana ↗
4
2
-
0