Este artículo de blog demuestra implementaciones prácticas de técnicas de Ingeniería de Prompt utilizando Spring AI. Los ejemplos y patrones en este artículo se basan en la Guía Integral de Ingeniería de Prompt que cubre la teoría, principios y patrones de la ingeniería de prompt efectiva. El blog muestra cómo traducir esos conceptos en código Java funcional utilizando la API de ChatClient de Spring AI. La sección de configuración describe cómo configurar y ajustar su modelo de lenguaje grande (LLM) con Spring AI, incluyendo la selección del proveedor de LLM adecuado para su caso de uso y la configuración de parámetros de generación importantes que controlan la calidad, estilo y formato de las salidas del modelo. El blog también cubre la configuración de la salida del LLM, incluyendo temperatura, longitud de salida, controles de muestreo y formato de respuesta estructurada. El blog luego demuestra varias técnicas de ingeniería de prompt, incluyendo la llamada a cero disparos, la llamada a un disparo y la llamada a pocos disparos, y la llamada al sistema, contextual y de rol. La llamada a cero disparos implica pedirle a una IA que realice una tarea sin proporcionar ejemplos, mientras que la llamada a un disparo y la llamada a pocos disparos proporcionan al modelo uno o más ejemplos para ayudar a guiar sus respuestas. La llamada al sistema establece el contexto y propósito general para el modelo de lenguaje, definiendo la "gran imagen" de lo que el modelo debe estar haciendo. El blog proporciona ejemplos de cómo implementar estas técnicas en aplicaciones de producción Java utilizando la API de ChatClient de Spring AI. Los ejemplos en el blog están estructurados para seguir los mismos patrones y técnicas descritos en la guía original, y el código fuente de demostración utilizado en este artículo está disponible en GitHub. El blog también proporciona referencias a artículos de investigación y documentación relevantes para una lectura adicional. En general, este artículo de blog proporciona una guía integral para implementar técnicas de ingeniería de prompt utilizando Spring AI, y es un recurso valioso para los desarrolladores que buscan mejorar el rendimiento y la efectividad de sus modelos de lenguaje.