Spring AI con Java: Crea aplicaciones de IA con Spring Boot

Aprende a formular instrucciones claras y aportar contexto para obtener respuestas más útiles y consistentes de los modelos de lenguaje.

Construye solicitudes con mensajes de sistema, usuario y asistente utilizando la API fluida de ChatClient.

Crea prompts reutilizables con variables dinámicas para reducir la duplicación y adaptar las solicitudes a diferentes entradas.

Organiza tus prompts fuera del código Java para facilitar su mantenimiento y separar las instrucciones de la lógica de aplicación.

Solicita respuestas con una estructura definida y convierte la salida del modelo en objetos Java para utilizarlos en tu aplicación.

Divide tareas complejas en varios pasos y utiliza la respuesta de una solicitud como entrada de la siguiente.

Identifica instrucciones ambiguas, analiza respuestas inesperadas y mejora tus prompts mediante ajustes prácticos.

Comprende por qué los modelos no conservan por sí solos el historial y cómo la memoria permite mantener el contexto de una conversación.

Incorpora ChatMemory al asistente para reutilizar mensajes anteriores y mantener conversaciones de varios turnos.

Utiliza identificadores de conversación para separar historiales y gestionar distintas sesiones sin mezclar su contexto.

Guarda el historial de conversación en una base de datos y recupéralo después de reiniciar la aplicación.

Explora ventanas de mensajes y técnicas de resumen para controlar el contexto y gestionar conversaciones extensas.

Comprende cómo un modelo solicita la ejecución de herramientas y cómo Spring AI conecta esas solicitudes con métodos Java.

Implementa y registra una herramienta Java para que el asistente pueda utilizarla a partir de una solicitud en lenguaje natural.

Define parámetros para tus herramientas y utiliza los datos recibidos para consultar servicios externos desde Java.

Devuelve objetos Java desde tus herramientas y permite que el modelo utilice sus datos para elaborar una respuesta.

Registra varias herramientas y observa cómo el modelo selecciona la adecuada según la solicitud del usuario.

Combina herramientas para resolver tareas de varios pasos, utilizando los resultados de una operación en las siguientes.

Aprende a gestionar fallos y diseñar herramientas con responsabilidades claras, entradas controladas y resultados útiles.

Comprende cómo RAG incorpora información de documentos propios al contexto del modelo para responder preguntas.

Carga documentos y divídelos en fragmentos que puedan indexarse y recuperarse durante una consulta.

Conecta la búsqueda de fragmentos relevantes con la generación de respuestas utilizando Spring AI.

Guarda embeddings y documentos en un almacén vectorial persistente para reutilizar el índice entre ejecuciones.

Amplía el flujo de indexación y recuperación para responder preguntas utilizando información de varios documentos.

Analiza cómo la fragmentación, la recuperación y el contexto influyen en la calidad de las respuestas de tu aplicación.

Descubre cómo las aplicaciones de IA pueden combinar texto e imágenes y qué tareas permite resolver este enfoque.

Envía imágenes junto con instrucciones para identificar elementos, extraer información y responder preguntas sobre su contenido.

Genera imágenes a partir de descripciones y configura las opciones disponibles en el proveedor utilizado.

Explora cómo modificar imágenes existentes y crear variaciones mediante las capacidades del proveedor utilizado.

Compara proveedores según la calidad visual, las opciones de configuración, el rendimiento y el coste.

Conoce las capacidades de reconocimiento y síntesis de voz y sus aplicaciones en asistentes y servicios backend.

Implementa un endpoint para recibir archivos de audio y prepararlos para su procesamiento con modelos de IA.

Convierte grabaciones de voz en texto e integra la transcripción en el flujo de tu aplicación.

Combina la transcripción de audio con ChatClient para generar respuestas a solicitudes habladas.

Convierte texto en audio y devuelve la voz generada desde un endpoint de tu aplicación Spring Boot.

Integra transcripción, generación de respuestas y síntesis de voz en un flujo completo de interacción con el asistente.

Comprende cómo las respuestas progresivas reducen la espera percibida y mejoran la experiencia de conversación.

Implementa endpoints que entreguen la respuesta del modelo de forma progresiva utilizando Flux y Server-Sent Events.

Conecta una interfaz de navegador con tu backend para enviar mensajes y mostrar las respuestas del asistente.

Conecta las funciones de audio de la interfaz con tus APIs para enviar solicitudes habladas y reproducir respuestas.

Consume los eventos del backend y actualiza la interfaz a medida que se recibe el contenido generado.

Comprende cómo MCP permite que aplicaciones de IA descubran y utilicen capacidades expuestas por servicios independientes.

Crea un servicio de vuelos y expón sus funciones de búsqueda como herramientas accesibles mediante MCP.

Configura el asistente de viajes para descubrir las herramientas del servidor de vuelos e invocarlas desde una conversación.

Añade un servidor de hoteles y permite que el asistente utilice herramientas de varios servicios desde un mismo cliente.

Identifica los retos de seguridad, fiabilidad, costes y mantenimiento que aparecen al integrar IA en aplicaciones empresariales.

Centraliza las interacciones con los modelos y la lógica compartida de registro y medición mediante un AI Gateway.

Aplica reglas de negocio antes de enviar solicitudes al modelo para controlar qué operaciones permite tu aplicación.

Implementa reglas reutilizables para ocultar información personal sensible antes de enviar los datos al modelo.

Reutiliza respuestas mediante una caché para reducir llamadas repetidas al modelo, mejorar los tiempos de respuesta y controlar costes.