- Was ist Generative AI und warum verändert sie alles?
- LLMs verstehen: Architektur, Arbeitsweise, Grenzen
- Muster und Denkansätze im Umgang mit Sprachmodellen
- Prompts, Completions und der Einfluss von Kontext
- Architektur moderner Chatbots von der Idee zur Anwendung
- Einführung in die LangChain4j-Bibliothek
- Erste Schritte: Projektsetup und Tooling
- Ihre erste Java-Anwendung mit LangChain4j
- Chatbots bauen: einfach, verständlich, erweiterbar
- Wie funktionieren Prompts? Was macht sie effektiv?
- Der richtige Umgang mit SystemMessage, UserMessage + Co.
- Best Practices für Einsteiger
- Dynamische Anweisungen in Prompts: Einfach, aber wirkungsvoll
- Zero-shot, Few-shot, Chain-of-Thought: Was steckt dahinter?
- Kontext liefern, um bessere Antworten zu erhalten
- Mehrere LLMs vergleichen: Ein Prompt - viele Perspektiven
- Was sind Prompt-Templates - und wann lohnen sie sich?
- Erstellung, Einsatz und Optimierung von Vorlagen
- Vor- und Nachteile templatebasierter Kommunikation
- Anwendung: Textzusammenfassungen mit LangChain4j
- Warum Kontext König ist - gerade in längeren Dialogen
- Strukturierte Prompts und Conversation History
- Architektur eines kontextfähigen Chatbots mit LangChain4j
- Praktischer Teil: Chatbot mit dynamischem Kontext
- Sie verstehen den grundlegenden Unterschied zwischen deterministischer und probabilistischer Softwareentwicklung.
- Sie erkennen die Bedeutung von Mustern, Kontext und Prompt-Techniken in der Arbeit mit LLMs.
- Sie sind in der Lage, zentrale Komponenten der LangChain4j-API einzusetzen.
- Sie können grundlegende Konversationen mit einem LLM strukturieren und den Kontext konsistent halten.
- Sie wissen, wie Sie Ihre neu gewonnenen Kenntnisse strategisch weiterentwickeln können.
(Version: 2026-02-13T10:43:51+01:00)