convez.ai
MCP ServerDesenvolvimento WebIntermediário
eazybytes

Spring AI Fast Track

eazybytes/spring-ai

Curso completo de Spring AI com recursos e ferramentas para desenvolvedores Java

Ver no GitHub
BomPluginScore · de 0 a 100

Repositório com recursos e referências para aprender Spring AI, framework que integra LLMs como OpenAI em aplicações Spring Boot. Inclui documentação oficial, provedores de IA (Ollama, AWS Bedrock), ferramentas de observabilidade (Prometheus, Grafana, Jaeger) e guias práticos para construir aplicações inteligentes em Java.

Instalação

$npx convez-ai eazybytes/spring-ai

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
185
Forks
229
Acompanhando
7
Saúde
28%
Último commit
há 2 semanas
Versão
—
Issues abertas
2
Contribuidores
2

Casos de uso

  • Integrar modelos de IA em aplicações Spring Boot
  • Implementar RAG com vector stores (Qdrant)
  • Monitorar e observar aplicações de IA com Prometheus/Grafana
  • Executar LLMs localmente com Ollama ou Docker
  • Entender arquitetura Transformer e tokenização

Veredito

Recurso bem estruturado para desenvolvedores Java que desejam integrar IA em suas aplicações. Cobre tanto fundamentos teóricos quanto ferramentas práticas, com ênfase em observabilidade — essencial para produção.

README

A tradução para o português deste README ainda está na fila.

From Java Dev to AI Engineer: Spring AI Fast Track

🌱 Spring AI Course – Resources & Reference Links

Welcome to the official GitHub repository for the Spring AI Course. This course helps you build intelligent applications using the Spring AI framework and integrate powerful LLMs like OpenAI into your Spring Boot apps.

Below are some carefully curated reference links and tools used throughout the course. Bookmark this information for quick access during development and exploration.


📘 Official Documentation


🤖 AI Providers & Runtimes

  • Ollama
    Run open-source large language models (LLMs) locally on your machine with simple commands.

  • AWS Bedrock
    Access foundation models from various providers via a fully managed AWS service.

  • Docker Desktop
    Essential for running local AI model runtimes and Docker Compose setups used in the course.

  • Docker Model Runner
    Use Docker’s official tool for running and managing AI models locally.


📚 Foundational Papers & Tools


📦 Vector Store & MCP


📊 Observability & Monitoring Tools

  • Prometheus
    Monitoring and alerting toolkit for collecting Spring Boot and AI app metrics.

  • Micrometer
    Java metrics collection library used with Spring Boot to expose observability data.

  • OpenTelemetry
    Industry-standard framework for distributed tracing and telemetry data.

  • Grafana
    Visualization tool for creating dashboards from Prometheus and other data sources.

  • Jaeger Tracing
    Distributed tracing platform used to trace and monitor AI request flows.


📎 Stay Connected


📬 For questions or issues, raise a GitHub issue or connect with the course instructor

Happy Learning! 🚀

Ver o original no GitHub

Bom para

Relacionados