摘要：
1 Agent/Function Call 的定义 Overview of a LLM-powered autonomous agent system： Agent学会调用外部应用程序接口，以获取模型权重中缺失的额外信息（预训练后通常难以更改），包括当前信息、代码执行能力、专有信息源访问权限等。 2 阅读全文
摘要：
生成式 AI 的潜在应用场景似乎无穷无尽。虽然这令人兴奋，但也可能让人不知所措。因此，团队在使用这项技术时需要有明确的目标：关键是要明确生成式 AI 在团队工作中能产生哪些实质性影响。 在软件工程中，一个引人注目的应用场景是需求分析。这是一个常常被忽视但充满挑战的环节，如果处理不当，可能会带来许多负 阅读全文
摘要：
特定 的 ChatLanguageModel 和 StreamingChatLanguageModel 实现（请参见“可观测性”列）允许配置 ChatModelListener，用于监听以下事件： 对 LLM 的请求 LLM 的响应 错误 这些事件包含的属性包括OpenTelemetry 生成 AI 阅读全文
摘要：
1 安装AI Assistant插件 AI功能依赖AI Assistant插件： 2 功能 解释代码、回答有关代码片段的 问题、提交消息等等。 在需要时更快地编码 AI Assistant 可以自动补全单行、函数和整个代码块，并与您的编码样式、项目上下文和命名约定保持一致。AI Assistant 阅读全文
摘要：
LLM 的知识仅限于其训练数据。如希望使 LLM 了解特定领域的知识或专有数据，可： 使用本节介绍的 RAG 使用你的数据对 LLM 进行微调 结合使用 RAG 和微调 1 啥是 RAG？ RAG 是一种在将提示词发送给 LLM 之前，从你的数据中找到并注入相关信息的方式。这样，LLM 希望能获得相 阅读全文
摘要：
一些LLM除了生成文本，还可触发操作。 所有支持tools的LLMs可在此处找到（参见“Tools”栏）。 有一个被称为“工具（tools）”或“函数调用（function calling）”的概念。它允许LLM在必要时调用一或多个由开发者定义的工具。工具可以是任何东西：网页搜索、外部API调用、或 阅读全文
摘要：
本文描述了底层的大语言模型（LLM）API。高级的LLM API参见AI服务。 1 LLM API的类型 1.1 LanguageModel 非常简单—，接受一个String作为输入，并返回一个String作为输出。 该API现正逐渐被聊天API（第二种API类型）取代。 1.2 ChatLangu 阅读全文
摘要：
0 前言 LangChain4j 提供了用于以下功能的 Spring Boot 启动器： 常用集成 声明式 AI 服务 1 常用集成的 Spring Boot starters Spring Boot 启动器帮助通过属性创建和配置 语言模型、嵌入模型、嵌入存储 和其他核心 LangChain4j 组 阅读全文
摘要：
LangChain4j 的目标是简化将大语言模型（LLM）集成到 Java 应用程序中的过程。 1 实现方式 1.1 标准化 API LLM 提供商（如 OpenAI 或 Google Vertex AI）和向量嵌入存储（如 Pinecone 或 Milvus）使用专有 API。LangChain4 阅读全文
摘要：
0 前言 官宣发布： IDEA已支持下载： 1 JEPs JEP 455 Primitive Types in Patterns, instanceof, and switch (Preview) 通过允许在所有模式上下文中使用原始类型模式，增强了模式匹配，并扩展了 instanceof 和 swi 阅读全文
