Статті для тих, хто
виводить стек у прод
Матеріали про React, Node.js, TypeScript і AI. Перекладений текст показується, якщо він є. Якщо ні — ви бачите англійський текст і примітку про це.
Тег: spring-boot
LangChain4j для команд Java: інструменти, агенти, навички та A2A у сервісах Spring
Як інтегрувати виклик інструментів, конвеєри агентів, навички за запитом, робочі процеси з можливістю паузи та продовження, а також віддалених агентів типу A2A у існуючий Java-сервіс за допомогою LangChain4j.
7 хв читанняДодавання AI-агентів до мікросервісів Spring Boot за допомогою Spring AI
Додавання агентів ШІ до сервісів Spring Boot за допомогою Spring AI: інструменти у вигляді бінів, захисні механізми, метрики токенів та асинхронні цикли агентів у коді, який ви вже використовуєте.
17 хв читанняRAG на Spring AI з векторним сховищем усередині JVM: без Qdrant і Docker
Як замінити Qdrant на вбудовану бібліотеку Vectors у RAG-застосунку на Spring AI: залежність, прапорець JVM, налаштування збереження на диск і компроміси роботи всередині JVM.
4 хв читанняДіагностика падінь CI-збірок: правила, RAG і локальна LLM
Java-система для аналізу падінь CI: детерміновано розбирає логи, дістає нотатки з траблшутингу з PGVector через Ollama і лише потім просить LLM міркувати.
7 хв читанняОснови Spring AI: ChatClient, стримінг, пам’ять та інструменти з Ollama
Запускаємо AI-застосунок на Spring Boot зі Spring AI та локальною моделлю Ollama: ChatClient, шаблони промптів, стримінг, структурований вивід, пам’ять чату й виклик інструментів.
8 хв читанняSpring AI чи LangChain4j: налаштування, перший ендпоінт і стиль проєктування
Порівнюємо Spring AI та LangChain4j за архітектурою, стартерами Spring Boot, конфігурацією і першим REST-ендпоінтом для чату та з'ясовуємо, який стиль пасує вашій команді.
6 хв читанняJava як мова для розробки AI-систем у промислових умовах: Spring Boot, RAG та pgvector
Практична інструкція зі створення сервісів RAG на JVM за допомогою Spring AI або LangChain4j, вибору сховища векторів, а також керування орендою, витратами, оцінкою та альтернативними рішеннями.
11 хв читанняSpring AI + MCP: зробіть ваші Java-інструменти доступними для будь-якого клієнта AI (навіть
Spring AI з MCP: надання доступу до Java-інструментів будь-якому клієнту AI через Model Context Protocol, проблема, яку він вирішує, та працюючий сервер, до якого можна під’єднатися вже сьогодні.
9 хв читання
Про ці статті
Оцінка за 24 години
Потрібен такий стек в операторському шарі? Надішліть бриф — оцінка за 24 години.