فراتر از اصول: ساخت برنامه های کاربردی جاوا هوش مصنوعی با استفاده از LangChain4j

مدرس Frank Greco

انتشار 2026/01/07

مدت زمان 3h 22m

سطح مناسب همه

فایل تمرینی دارد

آموزش Beyond the Basics: Building Generative AI Java Applications Using LangChain4j

در این دوره فشرده و عملی، متخصص هوش مصنوعی و مشاور ارشد فرانک گرکو ثابت می کند که جاوا شهروند درجه یک در دنیای هوش مصنوعی مولد است. با نحوه تسلط بر LangChain4j، کتابخانه جاوای واقعی برای کار با LLM و ابزارهای هوش مصنوعی آشنا شوید. فرانک با استفاده از مخزن بزرگی از کدهای نمونه، نحوه نوشتن کد جاوا را برای ساختن برنامه‌های جاوای هوشمند و غنی از زمینه نشان می‌دهد که اعلان‌های مؤثر را با قدرت جاسازی‌ها، ذخیره‌های برداری، معماری جذب، و تولید افزوده‌شده با بازیابی (RAG) ترکیب می‌کند.موضوعات اضافی تحت پوشش عبارتند از: درک پیشرفته و پاسخ‌دهی به زمان واقعی MLL، قالب‌های پاسخ واقعی MLL، پاسخ‌گویی به زمان واقعی، emb. استراتژی های تکه تکه کردن، فراخوانی روش های جاوا، عامل ها و موارد دیگر.

Artificial Intelligence (AI) Java Retrieval-Augmented Generation (RAG)

Introduction

Java GenAI with LangChain4j: Just make it work! ()

1. Generative AI and Basic LangChain4j Review

A look at an LLM app without context ()

Patterns, taxonomy, and non-deterministic IT ()

The critical nature of context ()

Prompts and prompt techniques ()

Hands-on lab: Build a simple app with context ()

2. Advanced Prompting with Templates

A look at a prompt template with text summarization ()

PromptTemplate usage and syntax ()

Parameter injection and placeholder formatting ()

Hands-on lab: Build an advanced template ()

3. Higher-Level Components with LangChain4 Services

A look at a multi-user chatbot with conversational context ()

Review of chatbot architecture ()

Introduction to LangChain4j’s AiService ()

Hands-on lab: Simple AiService for chatbot component ()

Multiuser chat ()

Hands-on lab: Multiuser AiService ()

4. Streaming LLM Responses

A look at streaming output generated by an LLM ()

Benefits of streaming output ()

Implementing streaming with LangChain4j ()

Streaming with CompletableFuture ()

Hands-on lab: Adding streaming to chatbot ()

5. Improving Context

A look at determining similarity of text strings ()

Quick review of RAG, similarity, and embeddings ()

Generating embeddings using LangChain4j ()

Hands-on lab: Comparing two strings via their embeddings ()

6. Embedding Vector Stores

A look at searching for similar text ()

Using an EmbeddingStore to store embeddings ()

Searching an embedding space ()

7. Building a Basic RAG Chatbot

A look at searching for similar text in our private documents ()

Detailed look at LangChain4j's data ingestion architecture ()

Loading content into an EmbeddingStore ()

Semantic searching ()

Hands-on lab: Creating a mini RAG using multiple files ()

8. Introduction to Agents

A look at how LLMs can call our Java methods ()

Function-calling ()

LangChain4j's tool primitives ()

Hands-on lab: Using tools with a simple AiService ()

Agents and LangChain4j ()

Conclusion

Review and key takeaways ()

Ex_Files_Building_Generative_AI_Java_Applications_using_LangChain4j.zip (31 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.