Spring AI, ChatGPT и Java: как мы делали ИИ-агента на хакатоне МТС
Статья на Хабр - https://habr.com/ru/companies/ru_mts/articles/948448/
Два года назад я плотно погрузился в хакатоны. Это особая среда, где команды разработчиков, ML/AI-инженеров, Data-аналитиков за короткое время превращают идеи в работающие прототипы.
Почти всегда это даёт мощный толчок кругозору в разработке.
Не так давно мы с моей командой Java Boys участвовали в MTC True Tech Hack 2025 — крупном AI-хакатоне, где нужно было разработать решения на базе LLM и инструментов МТС The Platform.
Наш проект — Vibe JSON — мы делали на Java, Spring Boot, Spring AI и Jmix.
Основная идея — генерировать JSON-схемы для low-code платформы через диалог с LLM. Мы интегрировали OpenAI API через Spring AI, использовали structured output, function calling - всё в лучших традициях разработки AI-агентов.
Spring AI показал себя мощным инструментом: можно строить настоящих ИИ-агентов, а не просто AI чат-ботов.
На Хабре, в блоге МТС, вышла моя подробная статья о хакатоне и технических деталях проекта:
https://habr.com/ru/companies/ru_mts/articles/948448/
Исходный код проекта на GitHub:
https://github.com/Java-Boys-Hackathon-Team/vibe-json
В статье:
- немного о хакатонной культуре в России;
- как эффективно работать командой и не сгореть за 48 часов;
- как Java-разработчику использовать Spring AI для построения ИИ-агентов.
Если вы интересуетесь интеграцией LLM в свои java/kotlin-проекты на Spring — буду рад комментариям.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍5
Java-митап от Jmix в Питере 👨💻
Иногда скорость разработки — решающий фактор.
Например, когда у вас команда backend-разработчиков и нужно быстро собрать fullstack-приложение. Или когда хочется, чтобы UI создавался из данных — таблицы, списки, формы появлялись без лишней возни с фронтендом.
С Jmix такие задачи решаются быстро. Этот фреймворк реально ускоряет разработку — особенно когда сроки поджимают.
Я давно использую Jmix — в том числе на хакатонах, где важна каждая минута. И каждый раз поражаюсь, насколько продуманный инструмент создала команда, которую я горжусь знать лично.
Мои друзья из Jmix 13 ноября проводят митап в Питере!
Участие бесплатное, но количество мест ограничено.
Если вы живётев этом вечно дождливом городе в культурной столице — приходите. Вас ждёт глубокое погружение в мир быстрой разработки web-приложений на Java и живое общение с теми, кто делает Jmix.
Подробности тут 👉 https://t.iss.one/jmixplatform/550
Иногда скорость разработки — решающий фактор.
Например, когда у вас команда backend-разработчиков и нужно быстро собрать fullstack-приложение. Или когда хочется, чтобы UI создавался из данных — таблицы, списки, формы появлялись без лишней возни с фронтендом.
С Jmix такие задачи решаются быстро. Этот фреймворк реально ускоряет разработку — особенно когда сроки поджимают.
Я давно использую Jmix — в том числе на хакатонах, где важна каждая минута. И каждый раз поражаюсь, насколько продуманный инструмент создала команда, которую я горжусь знать лично.
Мои друзья из Jmix 13 ноября проводят митап в Питере!
Участие бесплатное, но количество мест ограничено.
Если вы живёте
Подробности тут 👉 https://t.iss.one/jmixplatform/550
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8🔥4👍2
Почему нужно посмотреть АльфаГо 🎬
В 2016 году, задолго до резкого скачка популярности ИИ и нейросетей, компьютерная программа AlphaGo победила в го одного из сильнейших профессиональных игроков мирового уровня - Ли Седоля.
Го - это настольная стратегическая игра, которая появилась в Китае несколько тысяч лет назад. В го простые правила: на доске нужно ставить белые и чёрные камни на пересечении линий, стремясь захватить как можно большую территорию. При всей своей простоте количество возможных партий в го превышает число атомов во Вселенной. В Корее и Китае игра в го считается одним из видов искусства наравне с живописью и музыкой.
В 1997 году шахматный суперкомпьютер Deep Blue от IBM, похожий на огромный шкаф,прибил обыграл Гарри Каспарова. Шахматы в определённом смысле подходят для моделирования классическими алгоритмами, за которыми стоит понятная математика (поиск ходов по дереву и оценка).
С го всё совсем не так. В го больше свободы и творчества. Партия в го имеет много степеней свободы (порядка 200 возможных ходов на каждом ходе). Даже если мы объединим все компьютеры в мире, то не сможем просчитать все возможные ходы в текущей игре. Это сильно усложняет моделирование го с помощью алгоритмов.
В 2010 году Демис Хассабис основал DeepMind, впоследствии компанию приобрёл Google. В DeepMind придумали новый подход к построению систем искусственного интеллекта: модель изначально ничего не знает о данных, с которыми работает, она с ними «играет». В играх есть соревновательный элемент - счёт. Модель ничего не знает о правилах игры, она может что-то делать с данными и знает, какой счёт. Так она самообучается.
Этот необычный подход позволил DeepMind сначала обучить ИИ играть в игры Atari, затем превзойти всех мировых чемпионов в го и шахматах и решить серьёзную научную проблему в биологии - научиться предсказывать структуру белка. Последнее достижение в 2024 году было удостоено Нобелевской премии по химии (Хассабис получил треть премии).
Сейчас мы - свидетели взрывной популярности ИИ и LLM. Здесь ИИ пишет тексты и код, там ИИ генерирует изображения и видео. Но смогут ли OpenAI, Anthropic и прочие киты рынка привести нас к чему-то более серьёзному, чем развлечение и написание кода? Будут ли их разработки когда-нибудь удостоены Нобелевской премии?
Фильм про АльфаГо возвращает зрителя к достижениям, за которыми стоят настоящая наука и революционные идеи.
Могу сказать, что я разработчик и тот ещё киноман. Когда смотришь такой фильм, эмоции можно, наверное, сравнить с просмотром «Интерстеллара». Когда видишь, что модель машинного обучения придумывает ходы в го, которые впоследствии изменят саму теорию игры, то чувствуешь мурашки по телу.
Если вы, как и я, интересуетесь разработкой и любите кино, то просмотр фильма про AlphaGo не оставит вас равнодушным.
В 2016 году, задолго до резкого скачка популярности ИИ и нейросетей, компьютерная программа AlphaGo победила в го одного из сильнейших профессиональных игроков мирового уровня - Ли Седоля.
Го - это настольная стратегическая игра, которая появилась в Китае несколько тысяч лет назад. В го простые правила: на доске нужно ставить белые и чёрные камни на пересечении линий, стремясь захватить как можно большую территорию. При всей своей простоте количество возможных партий в го превышает число атомов во Вселенной. В Корее и Китае игра в го считается одним из видов искусства наравне с живописью и музыкой.
В 1997 году шахматный суперкомпьютер Deep Blue от IBM, похожий на огромный шкаф,
С го всё совсем не так. В го больше свободы и творчества. Партия в го имеет много степеней свободы (порядка 200 возможных ходов на каждом ходе). Даже если мы объединим все компьютеры в мире, то не сможем просчитать все возможные ходы в текущей игре. Это сильно усложняет моделирование го с помощью алгоритмов.
В 2010 году Демис Хассабис основал DeepMind, впоследствии компанию приобрёл Google. В DeepMind придумали новый подход к построению систем искусственного интеллекта: модель изначально ничего не знает о данных, с которыми работает, она с ними «играет». В играх есть соревновательный элемент - счёт. Модель ничего не знает о правилах игры, она может что-то делать с данными и знает, какой счёт. Так она самообучается.
Этот необычный подход позволил DeepMind сначала обучить ИИ играть в игры Atari, затем превзойти всех мировых чемпионов в го и шахматах и решить серьёзную научную проблему в биологии - научиться предсказывать структуру белка. Последнее достижение в 2024 году было удостоено Нобелевской премии по химии (Хассабис получил треть премии).
Сейчас мы - свидетели взрывной популярности ИИ и LLM. Здесь ИИ пишет тексты и код, там ИИ генерирует изображения и видео. Но смогут ли OpenAI, Anthropic и прочие киты рынка привести нас к чему-то более серьёзному, чем развлечение и написание кода? Будут ли их разработки когда-нибудь удостоены Нобелевской премии?
Фильм про АльфаГо возвращает зрителя к достижениям, за которыми стоят настоящая наука и революционные идеи.
Могу сказать, что я разработчик и тот ещё киноман. Когда смотришь такой фильм, эмоции можно, наверное, сравнить с просмотром «Интерстеллара». Когда видишь, что модель машинного обучения придумывает ходы в го, которые впоследствии изменят саму теорию игры, то чувствуешь мурашки по телу.
Если вы, как и я, интересуетесь разработкой и любите кино, то просмотр фильма про AlphaGo не оставит вас равнодушным.
❤12👍8🔥2💯2