Artykuły dla tych, którzy
wdrażają stack
Materiały o React, Node.js, TypeScript i AI. Przetłumaczony tekst jest pokazany, gdy istnieje. Jeśli nie, widać tekst angielski i dopisek o tym.
Tag: langchain4j
Neo4j i LangChain4j: importerzy GraphRAG, filtrowanie i pamięć czatu
Neo4j z LangChain4j do GraphRAG: odkrywanie schematu, budowanie grafów za pomocą LLM, Cypher DSL, filtrowanie w trakcie indeksowania, wyszukiwanie elementów rodzicowsko-dziecięcych oraz pamięć do rozmów oparta na grafach.
18 min czytaniaLangChain4j dla zespołów Java: narzędzia, agenci, umiejętności oraz komunikacja A2A w usługach Spring
Jak wdrożyć funkcje takie jak wywoływanie narzędzi, pipeline agentów, umiejętności na żądanie, przerwanie i wznowienie procesów oraz zdalnych agentów A2A do istniejącego serwisu Java za pomocą LangChain4j.
7 min czytaniaCzy aplikacje RAG o małą skalę naprawdę potrzebują bazy danych wektorowych?
LangChain4j MemFile przechowuje embeddingi w pamięci JVM, a tekst w fragmentach na dysku. To wystarcza dla małych aplikacji RAG, ale należy przejść na prawdziwą bazę danych wektorową w większych projektach.
5 min czytaniaDiagnozowanie niepowodzeń budowy CI za pomocą reguł, RAG oraz lokalnego LLM
System w Javie do analizy awarii w procesach CI, który deterministycznie analizuje logi, pobiera notatki dotyczące rozwiązywania problemów z PGVector przy użyciu Ollamy, a następnie prosi model językowy o rozumowanie.
7 min czytaniaSpring AI kontra LangChain4j: konfiguracja, pierwszy endpoint i styl projektowania
Porównaj Spring AI i LangChain4j pod względem architektury, starterów Spring Boot, konfiguracji oraz pierwszego punktu końcowego do czatowania w formacie REST, i dowiedz się, który styl pasuje do twojego zespołu.
6 min czytaniaArchitektura dostarczania modeli: dlaczego API jest jedynie bramą wejściową
Przewodnik po platformie stojącej za punktem końcowym inferencji: routowanie, skalowanie, wersjonowanie, obserwowalność, bezpieczeństwo oraz wywoływanie modeli dostarczanych z Spring AI lub LangChain4j.
9 min czytaniaJava jako język do produkcji w obszarze sztucznej inteligencji: Spring Boot, RAG i pgvector
Praktyczna mapa budowania usług RAG na JVM przy użyciu Spring AI lub LangChain4j, wyboru magazynu wektorów oraz zarządzania dzierżawą, kosztami, oceną i rozwiązaniami awaryjnymi.
11 min czytaniaSpring AI kontra LangChain4j: ten sam RAG, różne ukryte opcje
Ten sam aplikacja Java RAG stworzona dwa razy – Spring AI kontra LangChain4j: różnica w liczbie wierszy zmniejsza się dzięki integracji z Springiem, a błędna odpowiedź ujawniła domyślne ustawienia dzielenia tekstu na fragmenty.
4 min czytania
O tych artykułach
Wycena w 24 h
Potrzebujesz tego stacka w warstwie operatorskiej? Wyślij brief — wycena w 24 h.