Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : langchain4j
Neo4j et LangChain4j : importateurs GraphRAG, filtrage et mémoire de chat
Neo4j avec LangChain4j pour GraphRAG : découverte de schéma, création de graphes avec des LLM, DSL Cypher, filtrage dans l’index, récupération de relations parent-enfant et mémoire de conversation basée sur des graphes.
18 min de lectureLangChain4j pour les équipes Java : outils, agents, compétences et communication A2A dans les services Spring
Comment intégrer les appels d’outils, les pipelines d’agents, les compétences sur demande, les workflows de pause et de reprise, ainsi que les agents A2A à distance dans un service Java existant à l’aide de LangChain4j.
7 min de lectureLes applications RAG à petite échelle ont-elles vraiment besoin d’une base de données vectorielle ?
LangChain4j MemFile conserve les embeddings en mémoire JVM et stocke le texte en blocs sur disque. Cela suffit pour de petites applications RAG, mais il est nécessaire de passer à une véritable base de données vectorielle pour des cas plus complexes.
5 min de lectureDiagnostic des échecs de compilation CI à l’aide de règles, de RAG et d’un LLM local
Un système Java pour l’analyse des échecs en CI qui analyse de manière déterministe les journaux, récupère des notes de dépannage depuis PGVector avec Ollama, puis demande à un LLM de raisonner.
7 min de lectureSpring AI contre LangChain4j : configuration, premier endpoint et style de conception
Comparez Spring AI et LangChain4j en ce qui concerne l’architecture, les starters Spring Boot, la configuration ainsi qu’un premier endpoint de chat REST, et découvrez quel style convient le mieux à votre équipe.
6 min de lectureArchitecture de mise en service des modèles : pourquoi l’API n’est que la porte d’entrée
Un guide sur la plateforme qui sous-tend un point de terminaison d’inférence : routage, mise à l’échelle, gestion des versions, observabilité, sécurité, ainsi que la manière d’appeler des modèles servis depuis Spring AI ou LangChain4j.
9 min de lectureJava en tant que langage de production pour l’IA : Spring Boot, RAG et pgvector
Une carte pratique pour mettre en place des services RAG sur la JVM à l’aide de Spring AI ou LangChain4j, choisir un stockage vectoriel, ainsi que gérer les locations, les coûts, l’évaluation et les solutions de secours.
11 min de lectureSpring AI contre LangChain4j : même RAG, choix cachés différents
La même application Java RAG développée deux fois, Spring AI contre LangChain4j : l’écart de comptage de lignes diminue avec l’architecture de Spring, et une réponse incorrecte a révélé les paramètres par défaut de segmentation.
4 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.