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 : spring-boot
LangChain4j 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 lectureAjout d’agents IA aux microservices Spring Boot avec Spring AI
Ajouter des agents IA aux services Spring Boot avec Spring AI : des outils sous forme de beans, des coupe-circuits, des métriques de tokens et des boucles d’agents asynchrones directement dans le code que vous exécutez déjà.
17 min de lectureSpring AI RAG avec un stockage de vecteurs en JVM : supprimer Qdrant et Docker
Remplacer Qdrant par la bibliothèque Vectors en cours d’exécution dans une application Spring AI RAG : dépendance, paramètre JVM, configuration de persistance et les inconvénients liés à son exécution au sein de la JVM.
4 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 lectureBases de l’IA printanière : ChatClient, streaming, mémoire et outils avec Ollama
Créez une application Spring Boot AI avec Spring AI et un modèle Ollama local : ChatClient, modèles de prompts, streaming, sortie structurée, mémoire de chat et appel d’outils.
8 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 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 + MCP : Mettez vos outils Java à la disposition de n’importe quel client d’IA (même
Spring AI avec MCP : permettre aux outils Java d’être accessibles à n’importe quel client d’IA via le Model Context Protocol, le problème qu’il résout ainsi qu’un serveur pratique que vous pouvez connecter dès aujourd’hui.
9 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.