آموزش مسترکلاس Spring AI برای توسعه‌دهندگان هوش مصنوعی مولد و Agentic - آخرین آپدیت

سرفصل ها و درس ها

مقدمه، بررسی کلی و پیش‌نیازها Introduction, Overview and Prerequisites

• مرور کوتاهی بر دوره A Brief Course Overview

• پیش‌نیازهای دوره چیست و چرا مورد نیازند؟ What are the Course Prerequisites and Why?

• نصب IDE به همراه Spring Tools Installing an IDE with Spring Tools

• نحوه نصب GitHub Copilot در Eclipse (اختیاری) How to Install GitHub Copilot in Eclipse (Optional)

• نصب JDK Installing the JDK

• نصب ابزار Build (Apache Maven) Installing Your Build Tool (Apache Maven)

• نصب Node (اختیاری) Installing Node (Optional)

روز اول: شروع کار با SpringAI، OpenAI و ساخت کلون ChatGPT سیمپسون‌ها Day 1: Getting Started with SpringAI, OpenAI and our own ChatGPT Simpsons Clone

• شروع کار با LLMها || نحوه دریافت و تنظیم API Key در OpenAI Getting Started with LLMs || How to Get & Set Your OpenAI API Key

• ساخت اپلیکیشن Spring Boot با پشتیبانی از AI، OpenAI، Web و DevTools Build a Spring Boot App with AI, OpenAI, Web & DevTools Support

• نحوه Autowire کردن Spring AI ChatClient Builder برای OpenAI How to Autowire the Spring AI ChatClient Builder for OpenAI

• پرس‌وجو از یک LLM در OpenAI از طریق اپلیکیشن Spring Boot با استفاده از ChatClient Query an OpenAI LLM from your Spring Boot App with Spring AI and the ChatClient

• ساخت یک RESTful API با پشتیبانی از Spring AI Build a RESTful API with Spring AI Support

• تست اولیه (Smoke Testing) نقطه انتهایی RESTful Smoke Testing our RESTful Endpoint

• مهندسی پرامپت با پیام‌های سیستمی، پیام‌های کاربر و Spring AI Prompt Engineering with System Messages, User Messages and Spring AI

• بهترین روش‌ها برای مدیریت API Keyهای OpenAI، Gemini، Grok و Anthropic Best Practices for Managing your OpenAI, Gemini, Grok & Anthropic API Keys

• ثبت لاگ پرامپت‌های سیستمی و کاربر در کنسول Logging System Prompts and User Prompts to the Console

• ساخت رابط کاربری وب کلون ChatGPT با GitHub Copilot Building the ChatGPT Clone's Web Interface with GitHub Copilot

روز دوم: متن ساختاریافته، شخصی‌سازی LLM و تولید محتوای شبکه‌های اجتماعی Day 2: Structured Text, Customizing your LLM and Generating Social Media Slop

• مقدمه‌ای بر پروژه تولیدکننده محتوای AI (Slop Generator) Introduction to the AI Slop Generator Project

• ساخت پروژه Spring AI برای تولید محتوا Building the Slop Generator Spring AI Project

• بررسی @RestController و فرمت YAML در فایل application.properties The @RestController and the YAML Flavor of the application.properties File

• کار با PromptTemplate در Spring AI Working with Spring AI's PromptTemplate

• پیکربندی ChatOptions مدل LLM با Spring AI Configuring the LLM Model's ChatOptions with Spring AI

• مقایسه Temperature در مقابل انتخاب TopP در LLM LLM Temperature vs TopP Selection

• بهبودهای مربوط به پرامپت Prompt Improvements

• خروجی ساختاریافته LLM با استفاده از BeanOutputConverter در Spring AI Structured LLM Output with Spring AI's BeanOutputConverter

• ساخت UI تولیدکننده محتوا با استفاده از SpringMVC و GitHub Copilot Building the AI Slop Generator's UI using SpringMVC & GitHub Copilot

روز سوم: تولید تقویت‌شده با بازیابی (RAG) با Spring AI و سیمپسون‌ها Day 3: Retrieval Augmented Generation with Spring AI and The Simpsons (RAG)

• تولید تقویت‌شده با بازیابی (RAG) چیست و ایجنت‌های RAG چه مشکلاتی را حل می‌کنند؟ What is Retrieval Augmented Generation and What Problems do RAG Agents Solve

• نحوه عملکرد تقویت بازیابی - یک توضیح ساده How Retrieval Augmentation Works - A Simple Explanation

• چرا اپلیکیشن RAG ما به یک Vector Store نیاز دارد؟ Why our RAG APP Needs a Vector Store

• بررسی @RestControllers، VectorStores، EmbeddingModels و تزریق وابستگی @RestControllers, VectorStores, EmbeddingModels and Dependency Injection

• تولید Embeddingها با مدل‌های Embedding شرکت OpenAI Generating Embeddings with OpenAI Embedding Models

• پیاده‌سازی بازیابی، تقویت و تولید در اپلیکیشن RAG Putting the Retrieval, Augmentation and Generation into the RAG App

• تست اپلیکیشن RAG سیمپسون‌ها و بررسی لاگ‌ها Testing the Pickering is Springfield RAG Application & Inspecting the Logs

• ساخت رابط کاربری وب کامل RAG با GitHub Copilot Full RAG Web UI with GitHub Copilot

ساخت یک چت‌بات با Spring AI Building a ChatBot with Spring AI

• حلقه گمشده: چرا اپلیکیشن‌های عامل‌محور (Agentic) به حافظه نیاز دارند؟ The Missing Link: Why Agentic Applications Need Memory

• کار با ChatMemory و ChatHistory در Spring AI Working with Spring AI ChatMemory and ChatHistory

• نحوه استفاده از Advisors در Spring AI How to Use Spring AI Advisors

• به‌روزرسانی رابط کاربری وب چت‌بات برای پشتیبانی از ChatMemory Advisor Updating the ChatBot's Web UI to Support Spring AI's ChatMemory Advisor

روز پنجم: تسلط بر پروتکل Model Context Protocol (MCP) با Spring AI Day 5: Mastering Model Context Protocol (MCP) with Spring AI

• چرا دنیای LLM به پروتکل Model Context Protocol نیاز دارد؟ (و چرا شما به آن نیاز دارید!) Why the LLM World Needs Model Context Protocol (And Why You Need it Too!)

• ساخت اولین سرور MCP با Spring AI و انوتیشن @McpTool Creating your First MCP Server with Spring AI and the @McpTool Annotation

• تسلط بر کلاینت‌های MCP و ToolCallbackProvider در Spring AI Mastering MCP Clients and Spring AI's ToolCallbackProvider

• ساخت ابزارهای سرور MCP برای مدیریت منابع Building Resource Manipulation MCP Server Tools

• ورودی، خروجی و فراخوانی‌های موثر ابزارهای MCP و پرامپت‌ها Input, Output and Effective MCP Tool Calls and Prompts

تست، دیباگ، لاگ‌گذاری و مشاهده‌پذیری سیستم‌های غیرقطعی AI Testing, Debugging, Logging & the Observability of Non-Deterministic AI Systems

• چالش‌های تست و دیباگ اپلیکیشن‌های هوش مصنوعی مولد و عامل‌محور The Challenges of Testing and Debugging Generative and Agentic AI Applications

• تست ابزارهای سرور MCP با استفاده از MCP Inspector Testing MCP Server Tools with the MCP Inspector

• مفهوم Drift، تست AI و استفاده از LLMها به عنوان داور Drift, AI Testing and Using LLMs as a Judge

• تشخیص Drift در LLMها با JUnit و FactCheckingEvaluator در Spring AI Detecting Drift in your LLMs with JUnit and Spring AI's FactCheckingEvaluator

• تنظیمات سفارشی لاگ Custom Log Settings

• مشاهده‌پذیری (Observation) در Spring AI با Actuators، Prometheus و جمع‌آوری متریک‌ها Spring AI Observation with Actuators, Prometheus and Metrics Gathering

روز هفتم: پروژه نهایی با OCR، تبدیل متن به گفتار، متن ساختاریافته و تولید تصویر Day 7: Final Project with OCR, Text-2-Speech, Structured Text & Image Generation

• معرفی اپلیکیشن هوش مصنوعی مولد و عامل‌محور MagicMenu Introducing the MagicMenu Generative & Agentic AI Application

• پیکربندی ویژگی‌های تبدیل متن به گفتار در application.properties (استفاده از Alloy!) Configuring the Text-to-Speech Attributes in application.properties (Use Alloy!)

• مقداردهی اولیه ImageModel و TextToSpeechModel در اپلیکیشن Spring AI Initializing the Spring AI App's ImageModel and the TextToSpeechModel

• ساده‌سازی OCR با Spring Boot و OpenAI OCR Made Easy with Spring Boot and OpenAI

• افزودن قابلیت‌های ترجمه به اپلیکیشن Spring AI Adding Translation Capabilities to our Spring AI App

• تبدیل ترجمه‌ها به متن ساختاریافته و موجودیت‌های JSON Transforming Translations into Structured Text and JSON Entities

• تولید تصویر با Spring AI و مدل DALL-E Image Generation with Spring AI and the DALL·E ImageModel

• تسلط بر تبدیل متن به گفتار Mastering Text to Speech