Udemy
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
Subscribe
Turn what you know into an opportunity and reach millions around the world.
Learn More
Your cart is empty.
Keep shopping
Spring AI или Весна Искусственного Интеллекта
Bestseller
Highest Rated
Rating: 4.7 out of 5(289 ratings)
599 students

Spring AI или Весна Искусственного Интеллекта

От запуска локального LLM до RAG
Bestseller
Highest Rated
Created byEvgeny Borisov
Last updated 7/2025
Russian

What you'll learn

  • Build a local Java microservice with Spring Boot and a running LLM that users can chat with.
  • Integrate RAG (Retrieval-Augmented Generation) and connect your own data to improve response accuracy.
  • Implement custom Advisors to support chat history and dynamic context injection.
  • Optimize the model’s behavior through logs, prompt tuning, and advanced configuration for better results.

Course content

1 section • 10 lectures • 4h 15m total length

  • Intro - зачем все это надо?10:52
  • С нуля до первого вызова локальной LLM из Spring AI28:58

    В этом уроке мы запускаем Ollama, подключаем локальную модель Gemma-3, и с минимальной конфигурацией Spring AI добиваемся первого рабочего вызова:

    — указываем зависимости,

    — настраиваем application.properties,

    — создаём ChatClient,

    — и получаем ответ прямо в консоль.

    Вы увидите, как при помощи Spring AI за несколько строк кода можно обратиться к локальной LLM и получить полноценный ответ. Это не демонстрация — это ваш первый шаг к разработке своего приложения с AI внутри.

    После этого урока вы:

    • установите Ollama и запустите модель gemma:3b

    • пропишете минимальную конфигурацию Spring AI для работы с локальной LLM

    • получите ответ от модели через ChatClient прямо из вашего Java-кода


  • Подключаем UI - пишем модели22:59
  • Подключаем UI - пишем контроллеры и логику21:11
  • Подключаем UI - пишем интеграцию с LLM23:01
  • Переходим на стриминг27:09
  • Начинаем поддерживать историю27:12
  • Refactoring - переходим на новый API37:03
  • Готовимся строить RAG14:20

    Добавляем зависимости, настраиваем таблицы для хранения векторных данных и документов. Пишем модели.

  • Документы → Чанки → RAG - свой пайплайн и advisor для RAG и весь финальный код43:01

    Пишем загрузчик документов, разбиваем их на чанки, заполняем векторную базу, добавляем advisor для работы с RAG, проверяем, как всё работает вместе.

Requirements

  • Good understanding of Java and Spring Boot.
  • No prior AI or LLM experience is required — we’ll start from scratch.

Description

В этом курсе мы не просто «подключим GPT». Мы создадим полноценное Spring-приложение, которое умеет говорить с языковой моделью на локальной машине, понимать контекст и работать с вашими собственными документами.


Никакой зависимости от облаков, ключей, подписок. Всё работает офлайн и бесплатно — за счёт Ollama и локальных моделей.


Что делаем:


  • Устанавливаем Ollama и запускаем первую языковую модель у себя на машине

  • Подключаем LLM к Spring через Spring AI — без магии, с разбором зависимостей и конфигурации

  • Пишем сервис, который принимает вопросы, общается с моделью и возвращает ответы

  • Добавляем хранилище истории диалога, чтобы модель могла помнить, о чём вы уже говорили

  • Разбираемся с RAG: что это, зачем нужно и как работает.

  • Реализуем сервис, который автоматически находит новые документы, разбивает их на чанки и загружает в RAG при запуске приложения. Всё происходит без ручного триггера — просто кладёшь файл в ресурсах, и система сама его подхватывает и индексирует.


Что получаем:


  • Понимание, как устроены Spring AI и RAG

  • Рабочее приложение, которое можно развивать под реальные задачи

  • Опыт интеграции LLM с вашим сервисом

  • Базу для следующих шагов


Для кого курс:


  • Для Java-разработчиков, которые хотят начать использовать AI, но не знают, с чего начать

  • Для тех, кто пробовал OpenAI API, но хочет уйти от зависимости и костов

  • Для инженеров, которым важно понимать, что происходит под капотом

  • Для тех, кто хочет не просто демо, а базу для реальных проектов


Всё, что вы напишете в процессе — не игрушка и не «Hello world». Это заготовка, которую можно адаптировать под реальный продакшн.


Если вы давно хотели разобраться, как Spring и AI реально работают вместе — начнём с самого главного. Просто, понятно, но по-взрослому.

Who this course is for:

  • This course is for backend Java developers familiar with Spring Boot who want to build AI-powered microservices using local LLMs and Spring AI. Ideal for engineers looking to go beyond cloud APIs and create optimized, cost-effective, and context-aware solutions.

Report abuse