Artikel für Leute, die
den Stack ausliefern
Beiträge zu React, Node.js, TypeScript und AI. Ein übersetzter Text wird gezeigt, wenn er existiert. Sonst sehen Sie den englischen Text und einen Hinweis.
Tag: spring-boot
LangChain4j für Java-Teams: Tools, Agenten, Fähigkeiten und A2A in Spring-Diensten
Wie man Tool-Aufrufe, Agent-Pipelines, auf Anfrage verfügbare Fähigkeiten, Workflows mit Pause und Fortsetzung sowie entfernte A2A-Agenten mithilfe von LangChain4j in einen bestehenden Java-Dienst integriert.
7 Min. LesezeitHinzufügen von KI-Agenten zu Spring Boot-Mikroservices mit Spring AI
Hinzufügen von KI-Agenten zu Spring Boot-Diensten mit Spring AI: Werkzeuge als Beans, Circuit Breaker, Token-Metriken sowie asynchrone Agentenschleifen innerhalb des bereits laufenden Codes.
17 Min. LesezeitSpring-AI-RAG mit einem Vector Store in der JVM: Schluss mit Qdrant und Docker
Qdrant in einer Spring-AI-RAG-App durch die In-Process-Bibliothek Vectors ersetzen: Abhängigkeit, JVM-Flag, Persistenz-Einstellung und die Kompromisse eines Index in der JVM.
4 Min. LesezeitFehlgeschlagene CI-Builds diagnostizieren: Regeln, RAG und ein lokales LLM
Ein Java-System zur Analyse von CI-Fehlern, das Logs deterministisch parst, Troubleshooting-Notizen per Ollama aus PGVector holt und erst dann ein LLM nachdenken lässt.
7 Min. LesezeitSpring-AI-Grundlagen: ChatClient, Streaming, Memory und Tools mit Ollama
Eine Spring-Boot-AI-App mit Spring AI und einem lokalen Ollama-Modell starten: ChatClient, Prompt-Templates, Streaming, strukturierte Ausgabe, Chat-Memory und Tool Calling.
8 Min. LesezeitSpring AI vs. LangChain4j: Setup, erster Endpunkt und Designstil
Spring AI und LangChain4j im Vergleich: Architektur, Spring-Boot-Starter, Konfiguration und ein erster REST-Chat-Endpunkt – und welcher Stil zu Ihrem Team passt.
6 Min. LesezeitJava als Produktionssprache für KI: Spring Boot, RAG und pgvector
Eine praktische Anleitung zur Implementierung von RAG-Diensten auf der JVM mit Spring AI oder LangChain4j, inklusive Auswahl eines Vektorstores sowie Handhabung von Mietmodellen, Kosten, Bewertungen und Fallback-Lösungen.
11 Min. LesezeitSpring AI + MCP: Stellen Sie Ihre Java-Tools jedem AI-Klienten zur Verfügung (auch
Spring AI mit MCP: Java-Tools für jeden AI-Client über das Model Context Protocol zugänglich machen, das Problem, das es löst, sowie ein praktischer Server, den Sie bereits heute verbinden können.
9 Min. Lesezeit
Über diese Artikel
Angebot in 24 Stunden
Denselben Stack in einer Operator-Schicht? Brief schicken — Angebot in 24 Stunden.