AGENTS.md

Project Overview

ಇದು Java ಮೂಲಕ ಶ್ರುತಿ ಹರಿತ ಎಐ ಅಭಿವೃದ್ಧಿಯನ್ನು ಕಲಿಕೆಯೇ ಗುರಿಯಾದ ಒಂದು ಶೈಕ್ಷಣಿಕ ಸಂಗ್ರಹಸ್ಥಳವಾಗಿದೆ. ಇದು ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (LLMs), ಪ್ರಾಂಪ್ಟ್ ಎಂಜಿನಿಯರಿಂಗ್, ಅಥವಾ ಸಂಯೋಜನೆಗಳು, RAG (ರಿಟ್ರಿವಲ್-ಆಗುಮೆಂಟೆಡ್ ಜನರೇಶನ್), ಮತ್ತು ಮಾದರಿ ಕಾನ್ಟೆಕ್ಸ್ಟ್ ಪ್ರೋಟೋಕಾಲ್ (MCP) ಗಳನ್ನು ಒಳಗೊಂಡ ಸಮಗ್ರ ಪ್ರಾಯೋಗಿಕ ಕೋರ್ಸ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ.

ಪ್ರಮುಖ ತಂತ್ರಜ್ಞಾನಗಳು:

• Java 21
• Spring Boot 3.5.x
• Spring AI 1.1.x
• Maven
• LangChain4j
• Azure AI Foundry, Azure OpenAI, ಮತ್ತು OpenAI SDK ಗಳು

ವಾಸ್ತುಶಿಲ್ಪ:

• ಅಧ್ಯಾಯಗಳ ಪ್ರಕಾರ ಆಯೋಜಿಸಲಾದ ಬಹು ಏಕಾಂಗಿ Spring Boot ಅಪ್ಲಿಕೇಶನ್ಗಳು
• ವಿಭಿನ್ನ AI ಮಾದರಿಗಳನ್ನು ಪ್ರದರ್ಶಿಸುವ ಮಾದರಿ ಪ್ರಾಜೆಕ್ಟ್ಗಳು
• ಪೂರ್ವ-ಕಾನ್ಫಿಗರ್ ಮಾಡಿದ ಡೆವ್ ಕಂಟೈನರ್ಗಳ ಜೊತೆಗೆ GitHub Codespaces-ಗೆ ಸಿದ್ಧ

Setup Commands

Prerequisites

• Java 21 ಅಥವಾ ಅಧಿಕ
• Maven 3.x
• Azure ಸಬ್ಸ್ಕ್ರಿಪ್ಶನ್ ಮತ್ತು Azure AI Foundry ಮಾದರಿ ನಿಯೋಜನೆ (ಪ್ರವೇಶಕ್ಕೆ azd up ಬಳಸಿ)
• Azure CLI (az) ಮತ್ತು Azure ಡೆವಲಪರ್ CLI (azd), ಕೀಲೇಸ್ ಪ್ರామಾಣೀಕರಣಕ್ಕೆ ಸೈನ್ ಇನ್ ಆಗಿರಬೇಕು

Environment Setup

ಆಯ್ಕೆ 1: GitHub Codespaces (ಶಿಫಾರಸು ಮಾಡಿ)

# ರೆಪೊಸಿಟರಿಯನ್ನು ಫೋರ್ಕ್ ಮಾಡಿ ಮತ್ತು GitHub UI ನಿಂದ ಕೋಡ್ಸ್‌ಪೇಸ್ ಅನ್ನು ರಚಿಸಿ
# ಡೆವ್ ಕಂಟೈನರ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಎಲ್ಲಾ ಅವಲಂಬನೆಗಳನ್ನು ಸ್ಥಾಪಿಸಿ
# ಪರಿಸರ ವ್ಯವಸ್ಥೆಗೆ ~2 ನಿಮಿಷಗಳು ಕಾಯಿರಿ

ಆಯ್ಕೆ 2: ಸ್ಥಳೀಯ ಡೆವ್ ಕಂಟೈನರ್

# ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ
git clone https://github.com/microsoft/Generative-AI-for-beginners-java.git
cd Generative-AI-for-beginners-java

# ಡೆವ್ ಕಂಟೈನರ್ ವಿಸ್ತರಣೆೊಂದಿಗೆ VS ಕೋಡ್ ನಲ್ಲಿ ತೆರೆಯಿರಿ
# ಕೇಳಿಸಿದಾಗ ಕಂಟೈನರ್ ನಲ್ಲಿ ಪುನಃ ತೆರೆಯಿರಿ

ಆಯ್ಕೆ 3: ಸ್ಥಳೀಯ ಸೆಟಪ್

# ಅವಲಂಬನೆಗಳನ್ನು ಸ್ಥಾಪಿಸಿ
sudo apt-get update
sudo apt-get install -y maven openjdk-21-jdk

# ಸ್ಥಾಪನೆ ಪರಿಶೀಲಿಸಿ
java -version
mvn -version

Configuration

Azure AI Foundry ಸೆಟಪ್ (ಕೀಲೇಸ್, ಶಿಫಾರಸು):

# ಫೌಂಡ್ರಿ ಖಾತೆ + ಮಾದರಿ ನಿಯೋಜನೆಗಳನ್ನು ಕೋಡ್ ಆಗಿ ಒದಗಿಸಿ
cd 02-SetupDevEnvironment
azd auth login
az login
azd up
# azd ನಿಮ್ಮ ಎಂಡ್ಪಾಯಿಂಟ್ (ಕೀ ಇಲ್ಲ) ಸಹಿತ examples/basic-chat-azure/.env ಅನ್ನು ಬರೆಯುತ್ತದೆ

ಮ್ಯಾನ್‌ಯುಯಲ್ ಎಂಡ್‌ಪಾಯಿಂಟ್ ನಿರ್ಮಾಣ:

# ನೀವು azd ಬಳಸದಿದ್ದರೆ, ಸ್ವತಃ ಎಂಡ್ ಪಾಯಿಂಟ್ ಅನ್ನು ಸೆಟ್ ಮಾಡಿ (ಪ್ರಾಮಾಣಿಕತೆ az login ಮೂಲಕ ಕೀಲಿಕೋಲಿಕೆಯಿಲ್ಲದೇ ಇರುತ್ತದೆ)
cd 02-SetupDevEnvironment/examples/basic-chat-azure
cp .env.example .env
# .env ಸಂಪಾದಿಸಿ: AZURE_OPENAI_ENDPOINT=https://<resource>.openai.azure.com/

Development Workflow

Project Structure

/
├── 01-IntroToGenAI/              # Chapter 1: Introduction
├── 02-SetupDevEnvironment/       # Chapter 2: Environment setup
│   └── examples/                 # Working examples
├── 03-CoreGenerativeAITechniques/ # Chapter 3: Core techniques
├── 04-PracticalSamples/          # Chapter 4: Sample projects
│   ├── calculator/               # MCP service example
│   ├── foundrylocal/            # Local model integration
│   └── petstory/                # Multi-modal app
├── 05-ResponsibleGenAI/         # Chapter 5: Responsible AI
└── translations/                # Multi-language support

Running Applications

Spring Boot ಅಪ್ಲಿಕೇಶನ್ ಚಲಾಯಿಸುವುದು:

cd [project-directory]
mvn spring-boot:run

ಪ್ರಾಜೆಕ್ಟ್ ಬಿಲ್ಡ್ ಮಾಡುವುದು:

cd [project-directory]
mvn clean install

MCP ಕ್ಯಾಲ್ಕುಲೇಟರ್ ಸರ್ವರ್ ಪ್ರಾರಂಭಿಸುವುದು:

cd 04-PracticalSamples/calculator
mvn spring-boot:run
# ಸರ್ವರ್ http://localhost:8080 ನ್ನು ಆವರಿಸುತ್ತದೆ

ಕ್ಲಯಿಂಟ್ ಉದಾಹರಣೆಗಳನ್ನು ಚಲಾಯಿಸುವುದು:

# ಇನ್ನೊಂದು ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ ಸರ್ವರ್ ಪ್ರಾರಂಭಿಸಿದ ನಂತರ
cd 04-PracticalSamples/calculator

# ನೇರ MCP ಕ್ಲೈಂಟ್
mvn exec:java -Dexec.mainClass="com.microsoft.mcp.sample.client.SDKClient"

# AI-ಚಾಲಿತ ಕ್ಲೈಂಟ್ (AZURE_OPENAI_ENDPOINT + az ಲಾಗಿನ್ ಅಗತ್ಯವಿದೆ)
mvn exec:java -Dexec.mainClass="com.microsoft.mcp.sample.client.LangChain4jClient"

# ಅಂತರಾಷ್ಟ್ರೀಯ ಬಾಟ್
mvn exec:java -Dexec.mainClass="com.microsoft.mcp.sample.client.Bot"

ಹಾಟ್ ರೀಲೋಡ್

Spring Boot DevTools ಅನ್ನು ಹಾಟ್ ರೀಲೋಡ್ಗೆ ಬೆಂಬಲಿಸುವ ಪ್ರಾಜೆಕ್ಟ್ಗಳು ಸೇರಿಸಿಕೊಂಡಿವೆ:

# ಜಾವಾ ಕಡತಗಳಲ್ಲಿ ಮಾಡಲಾದ ಬದಲಾವಣೆಗಳು ಉಳಿಸಿದ 순간 ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಮರುಲೋಡ್ ಆಗುತ್ತವೆ
mvn spring-boot:run

Testing Instructions

ಚಾಲನೆ ಪರೀಕ್ಷೆಗಳು

ಒಂದಕ್ಕೆ ಎಲ್ಲಾ ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸುವುದು:

cd [project-directory]
mvn test

ವಿವರಣಾತ್ಮಕ ಔಟ್‌ಪುಟ್ ಜೊತೆ ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸುವುದು:

mvn test -X

ನಿರ್ದಿಷ್ಟ ಪರೀಕ್ಷಾ ವರ್ಗವನ್ನು ಚಲಾಯಿಸುವುದು:

mvn test -Dtest=CalculatorServiceTest

ಪರೀಕ್ಷಾ ಸಂರಚನೆ

• ಪರೀಕ್ಷಾ ಫೈಲ್‌ಗಳು JUnit 5 (ಜುಪಿಟರ್) ಬಳಸುತ್ತವೆ
• ಪರೀಕ್ಷಾ ವರ್ಗಗಳು src/test/java/ ನಲ್ಲಿವೆ
• ಕ್ಯಾಲ್ಕುಲೇಟರ್ ಪ್ರಾಜೆಕ್ಟಿನ ಕ್ಲಯಿಂಟ್ ಉದಾಹರಣೆಗಳು src/test/java/com/microsoft/mcp/sample/client/ ನಲ್ಲಿವೆ

ಕೈಯಿಂದ ಪರೀಕ್ಷೆ

ಹೆಚ್ಛಿನ ಉದಾಹರಣೆಗಳು ಕೈಯಿಂದ ಪರೀಕ್ಷೆ ಅಗತ್ಯವಿರುವ ಅಂತರ್‌ಕ್ರಿಯಾತ್ಮಕ ಅಪ್ಲಿಕೇಶನ್ಗಳು:

1. mvn spring-boot:run ಮೂಲಕ ಅಪ್ಲಿಕೇಶನ್ ಪ್ರಾರಂಭಿಸಿ
2. ಎಂಡ್ಪಾಯಿಂಟ್‌ಗಳು ಅಥವಾ CLI ಜೊತೆ ಪರೀಕ್ಷೆ ನಡೆಸಿ
3. ಪ್ರತಿ ಪ್ರಾಜೆಕ್ಟಿನ README.md ನಲ್ಲಿ ದಾಖಲೆ ಇದ್ದಂತೆ ನಿರೀಕ್ಷಿತ ವರ್ತನೆ ಪರಿಶೀಲಿಸಿ

Azure AI Foundry ಜೊತೆಗೆ ಪರೀಕ್ಷೆ

• ಉದಾಹರಣೆಗಳನ್ನು ಚಾಲನೆಮಾಡೋ ಮೊದಲು az login ಮೂಲಕ ಸೈನ್ ಇನ್ ಆಗಿ (ಕೀಲೇಸ್ ಪ್ರಾಮಾಣೀಕರಣ)
• ನಿಮ್ಮ ಖಾತೆಗೆ ಕಾಗ್ನಿಟಿವ್ ಸರ್ವಿಸಸ್ OpenAI ಯೂಸರ್ ಪಾತ್ರ ಹೊಂದಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ
• ಅಧ್ಯಾಯ 5 ರಲ್ಲಿ ಜವಾಬ್ದಾರಿ ಏಐ ಉದಾಹರಣೆಯಲ್ಲಿ ವಿಷಯ ಫಿಲ್ಟರಿಂಗ್ ಪರೀಕ್ಷಿಸಿ

Code Style Guidelines

Java Conventions

• Java ಆವೃತ್ತಿ: ನವೀನ ವೈಶಿಷ್ಟ್ಯಗಳೊಂದಿಗೆ Java 21
• ಶೈಲಿ: ಸ್ಟಾಂಡರ್ಡ್ ಜಾವಾ ಸಮರ್ಪಕರು ಅನುಸರಿಸಿ
• ಹೆಸರುಕರಣ:
  • ವರ್ಗಗಳು: PascalCase
  • ವಿಧಾನಗಳು/ಚರಗಳು: camelCase
  • ಸ್ಥಿರಾಂಕಗಳು: UPPER_SNAKE_CASE
  • ಪ್ಯಾಕೇಜ್ ಹೆಸರುಗಳು: ಸಣ್ಣಕ್ಷರ

Spring Boot ಮಾದರಿಗಳು

• ವ್ಯಾಪಾರ ಲಾಜಿಕ್ಗಾಗಿ @Service ಬಳಸುವುದು
• REST ಎಂಡ್ಪಾಯಿಂಟ್‌ಗಳಿಗೆ @RestController ಬಳಸುವುದು
• ಸಂರಚನೆಗೆ application.yml ಅಥವಾ application.properties ಬಳಸಿ
• ಹಾರ್ಡ್-ಕೋಡ್ ಮೌಲ್ಯಗಳಿಗಿಂತ ಪರಿಸರ চলಕಗಳು ಪ್ರಾಧಾನ್ಯ
• MCP-ಪ್ರಕಟಿಸಲ್ಪಟ್ಟ ವಿಧಾನಗಳಿಗೆ @Tool ಅನೋಟೇಶನ್ ಬಳಸಿ

ಫೈಲ್ ಸಂರಚನೆ

src/
├── main/
│   ├── java/
│   │   └── com/microsoft/[component]/
│   │       ├── [Component]Application.java
│   │       ├── config/
│   │       ├── controller/
│   │       ├── service/
│   │       └── exception/
│   └── resources/
│       ├── application.yml
│       └── static/
└── test/
    └── java/
        └── com/microsoft/[component]/

ಅವಲಂಬನೆಗಳು

• Maven pom.xml ಮೂಲಕ ನಿರ್ವಹಣೆ
• Spring AI BOM ಆವೃತ್ತಿ ನಿರ್ವಹಣೆಗೆ
• AI ಸಂಯೋಜನೆಗಳಿಗೆ LangChain4j
• Spring ಅವಲಂಬನೆಗಳಿಗೆ Spring Boot ಸ್ಟಾರ್ಟರ್ ಪ್ಯಾರೆಂಟ್

ಕೋಡ್ ಟಿಪ್ಪಣಿಗಳು

• ಸಾರ್ವಜನಿಕ API ಗಳಿಗಾಗೀ JavaDoc ಸೇರಿಸಿ
• ಜಟಿಲ AI ಸಂವಹನಗಳಿಗೆ ವಿವರಾತ್ಮಕ ಟಿಪ್ಪಣಿಗಳು ಸೇರಿಸಿ
• MCP ಉಪಕರಣ ವಿವರಣೆಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ದಾಖಲಿಸಿ

Build and Deployment

ಪ್ರಾಜೆಕ್ಟ್ ಕಟ್ಟುವಿಕೆ

ಪರೀಕ್ಷೆಗಳು ಇಲ್ಲದೆ ನಿರ್ಮಿಸುವುದು:

mvn clean install -DskipTests

ಎಲ್ಲಾ ತಪಾಸಣೆಯೊಂದಿಗೆ ನಿರ್ಮಿಸುವುದು:

mvn clean install

ಅಪ್ಲಿಕೇಶನ್ ಪ್ಯಾಕೇಜ್ ಮಾಡುವುದು:

mvn package
# target/ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ JAR ರಚಿಸುತ್ತದೆ

ಔಟ್‌ಪುಟ್ ಡೈರೆಕ್ಟರಿಗಳು

• ಸಂಕಲಿತ ವರ್ಗಗಳು: target/classes/
• ಪರೀಕ್ಷಾ ವರ್ಗಗಳು: target/test-classes/
• JAR ಫೈಲ್‌ಗಳು: target/*.jar
• Maven ಉತ್ಪನ್ನಗಳು: target/

ಪರಿಸರ-ವಿಶೇಷ ಸಂರಚನೆ

ಅಭಿವೃದ್ಧಿ:

# application.yml (keyless - no api-key; auth via DefaultAzureCredential)
spring:
  ai:
    azure:
      openai:
        endpoint: ${AZURE_OPENAI_ENDPOINT}
        chat:
          options:
            deployment-name: ${AZURE_OPENAI_DEPLOYMENT:gpt-4o-mini}

ಉತ್ಪಾದನೆ:

• ಕೀಲೇಸ್ ಪ್ರಾಮಾಣೀಕರಣಕ್ಕೆ az login ಬದಲಾಗಿ ಮ್ಯಾನೇಜ್ ಮಾಡಿದ ಐಡೆಂಟಿಟಿ ಬಳಸಿ
• ನಿಮ್ಮ ಉತ್ಪಾದನಾ ಫೌಂಡ್ರಿ ಸಂಪನ್ಮೂಲವನ್ನು AZURE_OPENAI_ENDPOINT ನೊಂದಿಗೆ ಸೂಚಿಸಿ
• ಸಂರಚನೆಯನ್ನು ಪರಿಸರ ಚರಗಳು ಅಥವಾ Azure ಕೀ ವಾಲ್ಟ್ ಮೂಲಕ ನಿರ್ವಹಿಸಿ

ನಿಯೋಜನೆ ಪರಿಗಣನೆಗಳು

• ಇದು ಮಾದರಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳೊಂದಿಗೆ ಶೈಕ್ಷಣಿಕ ಸಂಗ್ರಹಸ್ಥಳವಾಗಿದೆ
• ತಕ್ಷಣದ ಉತ್ಪಾದನಾ ನಿಯೋಜನೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಿ ಇಲ್ಲ
• ಮಾದರಿ ವಿನ್ಯಾಸಗಳು ಉತ್ಪಾದನೆಗಾಗಿ ಹೊಂದಿಕೊಡುವುದಕ್ಕೆ ಕಾಣಿಸುತ್ತದೆ
• ವೈಯಕ್ತಿಕ ಪ್ರಾಜೆಕ್ಟ್ README ಗಳಲ್ಲಿ ನಿಯೋಜನೆ ಸೂಚನೆಗಳನ್ನು ನೋಡಿ

Additional Notes

Azure AI Foundry

• **ಕೀಲೇಸ್ ಪ್ರಾಮಾಣೀಕರಣ:**Microsoft Entra ID ಮೂಲಕ ಸಂಪರ್ಕ, ಯಾವುದೇ API ಕೀ ನಿರ್ವಹಣೆ ಅಗತ್ಯವಿಲ್ಲ
• ಕೋಡ್ ಆಗ provision: ಬೈಸಪ್ + azd (azd up) ಖಾತೆ ಮತ್ತು ಮಾದರಿ ನಿಯೋಜನೆಗಳನ್ನು ರಚಿಸುತ್ತದೆ
• ಒಂದೇ OpenAI-ಅನುರೂಪ ಕೋಡ್ ಸ್ಥಳೀಯವಾಗಿ (az login) ಮತ್ತು Azure (ಮ್ಯಾನೇಜ್ಡ್ ಐಡೆಂಟಿಟಿ) ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ

ಬಹು ಪ್ರಾಜೆಕ್ಟ್ ಜೊತೆಗೆ ಕೆಲಸ ಮಾಡುವುದು

ಪ್ರತಿ ಮಾದರಿ ಪ್ರಾಜೆಕ್ಟು ಸ್ವತಂತ್ರವಾಗಿದೆ:

# ವಿಶೇಷ ಯೋಜನೆಗೆ ಹಾದು ಮುನ್ನುಗ್ಗಿ
cd 04-PracticalSamples/[project-name]

# ಪ್ರತಿಯೊಬ್ಬರಿಗೂ ತಮ್ಮದೇ ಪಮ್.xml ಇರುತ್ತದೆ ಮತ್ತು ಸ್ವತಂತ್ರವಾಗಿ ನಿರ್ಮಿಸಬಹುದು
mvn clean install

ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳು

Java ಆವೃತ್ತಿ ಅಸಮ್ಮತತೆ:

# ಜಾವಾ 21 ಪರಿಶೀಲಿಸಿ
java -version
# ಅಗತ್ಯವಿದ್ದರೆ JAVA_HOME ನವೀಕರಿಸಿ
export JAVA_HOME=/usr/lib/jvm/msopenjdk-current

ಅವಲಂಬನೆ ಡೌನ್‌ಲೋಡ್ ಸಮಸ್ಯೆಗಳು:

# Maven ಕ್ಯಾಶೆ ಸ್ಪಷ್ಟಗೊಳಿಸಿ ಮತ್ತು ಮರುಪ್ರಯತ್ನಿಸಿ
rm -rf ~/.m2/repository
mvn clean install

ಎಂಡ್‌ಪಾಯಿಂಟ್ ಅಥವಾ ಸೈನ್-ಇನ್ ಸಿಗದು:

# ಪ್ರಸ್ತುತ ಸೆಷನ್‌ನಲ್ಲಿ ಎಂಡ್‌ಪಾಯಿಂಟ್ ಅನ್ನು ಸೆಟ್ ಮಾಡಿ ಮತ್ತು ಸೈನ್ ಇನ್ ಮಾಡಿ (ಕೀಲೆಸ್)
export AZURE_OPENAI_ENDPOINT="https://your-resource.openai.azure.com/"
az login

# ಅಥವಾ ಪ್ರಾಜೆಕ್ಟ್ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿನ .env ಫೈಲ್ ಅನ್ನು ಬಳಸಿ
echo "AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com/" > .env

ಪೋರ್ಟ್ ಈಗಾಗಲೇ ಬಳಕೆಯಲ್ಲಿದೆ:

# Spring Boot ಡೀಫಾಲ್ಟ್‌ಾಗಿ ಪೋರ್ಟ್ 8080 ಅನ್ನು ಬಳಸುತ್ತದೆ
# application.properties ನಲ್ಲಿ ಬದಲಾವಣೆ:
server.port=8081

ಬಹು ಭಾಷಾ ಬೆಂಬಲ

• 45+ ಭಾಷೆಗಳಲ್ಲಿ ಸ್ವಯಂಚಾಲಿತ ಭಾಷಾಂತರದಿಂದ ಲಭ್ಯವಿದೆ
• translations/ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ ಭಾಷಾಂತರಗಳು
• ಭಾಷಾಂತರವನ್ನು GitHub Actions ವರ್ಕ್‌ಫ್ಲೋ ಮೂಲಕ ನಿರ್ವಹಿಸಲಾಗಿದೆ

ಕಲಿಕೆ ಮಾರ್ಗ

1. 02-SetupDevEnvironmentೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ
2. ಅಧ್ಯಾಯಗಳನ್ನು ಕ್ರಮಬದ್ಧವಾಗಿ ಅನುಸರಿಸಿ (01 → 05)
3. ಪ್ರತಿ ಅಧ್ಯಾಯದಲ್ಲಿ ಪ್ರಾಯೋಗಿಕ ಉದಾಹರಣೆಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ
4. ಅಧ್ಯಾಯ 4 ರಲ್ಲಿ ಮಾದರಿ ಪ್ರಾಜೆಕ್ಟ್ಗಳನ್ನು ಅನ್ವೇಷಿಸಿ
5. ಅಧ್ಯಾಯ 5 ರಲ್ಲಿ ಜವಾಬ್ದಾರಿಯುತ AI ನಿಟ್ಟಿನಲ್ಲಿ ಕಲಿಕೆ

ಡೆವಲಪ್ಮೆಂಟ್ ಕಂಟೈನರ್

.devcontainer/devcontainer.json ಈ ಕೆಳಗಿನವುಗಳನ್ನು ಸಂರಚಿಸುತ್ತದೆ:

• Java 21 ಅಭಿವೃದ್ಧಿ ಪರಿಸರ
• ಪೂರ್ವ-ಸ್ಥಾಪಿತ Maven
• VS Code Java ವಿಸ್ತರಣೆಗಳು
• Spring Boot ಉಪಕರಣಗಳು
• GitHub Copilot ಸಂಯೋಜನೆ
• Docker-in-Docker ಬೆಂಬಲ
• Azure CLI

ಪ್ರದರ್ಶನ ಪರಿಗಣನೆಗಳು

• Azure AI Foundry ನಿಯೋಜನೆಗಳು ನಿಮಿಷಕ್ಕೊಂದು ಟೋಕನ್/ವಿನಂತಿ ಮಿತಿಯನ್ನು ಹೊಂದಿವೆ
• ಸಂಯೋಜನೆಗಳಿಗೆ ಸೂಕ್ತ ಬ್ಯಾಚ್ ಗಾತ್ರಗಳನ್ನು ಉಪಯೋಗಿಸಿ
• ಪುನರಾವರ್ತಿತ API ಕರೆಗಳಿಗಾಗಿ ಕ್ಯಾಶಿಂಗ್ ಪರಿಗಣಿಸಿ
• ವೆಚ್ಚದಿಗಾಗಿ ಟೋಕನ್ ಬಳಕೆಯನ್ನು ನಿಗಾ ವಹಿಸಿ

ಭದ್ರತಾ ಟಿಪ್ಪಣಿಗಳು

• .env ಫೈಲ್‌ಗಳನ್ನು ಎಂದಿಗೂ ಕಮಿಟ್ ಮಾಡಬೇಡಿ (.gitignore ನಲ್ಲಿ ಸೇರಿವೆ)
• ಕೀಗಳಿಗಿಂತ ಕೀಲೇಸ್ ಪ್ರಾಮಾಣೀಕರಣ (Microsoft Entra ID) ಅನ್ನು ಆದ್ಯತೆ ನೀಡಿ
• ಸ್ಥಳೀಯ ಅಭಿವೃದ್ಧಿಗಾಗಿ Azure ನಲ್ಲಿ ಮ್ಯಾನೇಜ್ ಮಾಡಲಾಗುವ ಐಡೆಂಟಿಟಿಗಳೊಂದಿಗೆ az login ಬಳಸಿ
• ಅಧ್ಯಾಯ 5 ರಲ್ಲಿ ಜವಾಬ್ದಾರಿಯುತ AI ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಅನುಸರಿಸಿ

ಅಸ್ವೀಕಾರ: ಈ ದಸ್ತಾವೇಜು AI ಅನುವಾದ ಸೇವೆ Co-op Translator ಬಳಸಿ ಅನುವಾದಿಸಲಾಗಿದೆ. ನಾವು ನಿಖರತೆಯನ್ನು ಸಾಧಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದರೂ, ದಯವಿಟ್ಟು ಗಮನಿಸಿ, ಸ್ವಯಂಚಾಲಿತ ಅನುವಾದಗಳಲ್ಲಿ ದೋಷಗಳು ಅಥವಾ ಅಸಡ್ಡೆಗಳು ಇರಬಹುದು. ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಮೂಲ ದಸ್ತಾವೇಜು ಪ್ರಾಮಾಣಿಕ ಮೂಲವೆಂದು ಪರಿಗಣಿಸಬೇಕು. ಪ್ರಮುಖ ಮಾಹಿತಿಗಾಗಿ, ವೃತ್ತಿಪರ ಮಾನವ ಅನುವಾದವನ್ನು ಶಿಫಾರಸು ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅನುವಾದವನ್ನು ಬಳಸುವ ಮೂಲಕ ಉಂಟಾಗುವ ಯಾವುದೇ ತಪ್ಪು ಅರ್ಥಗಳ ಅಥವಾ ತಪ್ಪು ವ್ಯಾಖ್ಯಾನಗಳ ಬಗ್ಗೆ ನಾವು ಹೊಣೆಗಾರರಲ್ಲ.