Ricken Bazolo

Ce second article se concentre sur l’implémentation pratique du Function Calling avec Spring AI dans une application Java

Ce premier article introduit le concept de Function Calling dans les LLM, expliquant comment il permet à ces modèles d’exécuter des actions concrètes en appelant des fonctions spécifiques.

Dans l’écosystème en constante évolution de l’intelligence artificielle, l’approche RAG (Retrieval Augmented Generation) représente une évolution significative. Elle permet d’enrichir la création de contenu et l’analyse contextuelle grâce à l’intégration dynamique de connaissances externes. Cet article explore l’architecture de base du RAG et son implémentation avec Spring AI.

Démonstrtion de la simplicité de Srping AI pour l’exloitation des LLM dans une application Java.

L’IA s’est rapprochée de nombreux domaines, en particulier du secteur de la programmation. La prochaine génération d’applications d’IA générative est destinée à se propager à travers divers langages de programmation. C’est également le cas pour Java, et étant donné que Spring Boot est l’un des frameworks les plus populaires sur cette plateforme, il est naturel que l’intégration des API OpenAI se fasse également dans le modèle de programmation Spring. Cet article explore cette intégration.

Parfois critiquée, mais souvent mal utilisée, l’architecture hexagonale offre une approche qui mérite votre attention. C’est pourquoi nous vous proposons ce petit retour en deux parties.

Dans cet article, nous allons parler de la spécification Jakarta MVC, comprendre son fonctionnement pour une base solide dans la création des applications web basé sur l’action