LangChain4j: Створюйте Java додатки з можливостями AI

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Привіт, Java-розробники! Вас цікавить створення додатків на основі LLMs (Large Language Model) з Java та Spring Boot?

Ви можете створювати власні чат-боти на базі штучного інтелекту, обробляти великі обсяги неструктурованих даних та автоматизувати процеси за допомогою автономних агентів. Ці агенти можуть використовувати різноманітні інструменти: викликати API, використовувати бази даних, і навіть динамічно запускати згенерований код!

У цій серії статей ми розглянемо все, що вам потрібно знати, щоб створити свій власний додаток на базі LLM.

Сьогодні ми почнемо з прикладу «Hello, World!» та будемо переходити до більш складних прикладів у наступних статтях.

Готові? Поїхали!

Щоб використовувати LLM у Java, вам потрібно лише імпортувати LangChain4j у ваш Maven/Gradle проект та написати три рядки коду.

Спочатку давайте імпортуємо LangChain4j:

• Maven:

<dependency>

    <groupId>dev.langchain4j</groupId>

    <artifactId>langchain4j</artifactId>

    <version>0.18.0</version>

</dependency>

• Gradle:

implementation 'dev.langchain4j:langchain4j:0.18.0'

Ми випускаємо нові версії досить часто, тому переконайтеся, що використовуєте останню версію. Знайти її можна тут.

Тепер створимо об’єкт ChatLanguageModel. Це ваш інтерфейс для спілкування з LLM.

Моделі OpenAI наразі є найбільш здібними. Тому ми почнемо з них.

ChatLanguageModel model = OpenAiChatModel.withApiKey("demo");

Зазвичай потрібно створити свій власний API-ключ для доступу до моделей OpenAI. Однак, щоб вам було легше почати, ми надаємо наші ключі безкоштовно для демонстраційних цілей. Для цього просто використовуйте API-ключ «demo».

Наразі LangChain4j підтримує LLM, які хостяться OpenAI (ChatGPT), HuggingFace та локальні моделі (наприклад, Llama2), які ви можете захостити самостійно за допомогою LocalAI (навіть на своєму комп’ютері). Ми сумлінно працюємо над доданням нових інтеграцій, тому слідкуйте за оновленнями!

Тепер, коли ми все налаштували, можемо почати використовувати LLM:

AiMessage answer = model.sendUserMessage("Hello world!");

System.out.println(answer.text()); // Hello! How can I assist you today? 

Ось і все! Просто, правда?

У наступних статтях ми розглянемо основні комоненти додатків на основі LLM (як-от memory, document loaders, vector stores, agents та tools) та побачимо, як за допомогою них створити декілька крутих рішень!

Якщо ви не хочете чекати наступну статтю і є бажання дізнатися більше вже зараз, ви можете знайти багато інформації тут:

• Репозиторій LangChain4j на GitHub
• Приклади використання LangChain4j
• Приклад використання LangChain4j з SpringBoot

Дякую за ваш час і до наступної статті!