Contar tokens y estimar costos al llamar a LLM en Java
Cómo contar tokens localmente con JTokkit, calcular costos con BigDecimal, bloquear solicitudes que excedan presupuesto y reconciliar con el uso real de Spring AI.
Respuesta de streaming desde LLM API con Java 21 y Spring Boot
Recibe cada token de LLM API a través de Server-Sent Events usando HttpClient y WebClient, luego transmítelo al navegador, con manejo de errores, timeout y pruebas.
Function calling y tool use con ejemplos en Spring AI
Comprende cómo los LLM invocan funciones de tu aplicación, desde JSON raw hasta @Tool en Spring AI. El artículo incluye ejemplos de búsqueda, cancelación de pedidos y pruebas sin necesidad del modelo real.
Structured output: Fuerza tu LLM a devolver JSON con schema correcto en Spring AI
Cómo forzar que el LLM devuelva JSON coincidiendo con el schema en Spring Boot: mapea en record usando Spring AI, habilita JSON Schema nativo, valida, reintentos y escribe tests.
Prompt engineering: técnicas que puedes usar ahora
Técnicas prácticas de prompt engineering como system prompt, delimiter, few-shot, structured output y temperature, ilustradas con Spring AI.
Cómo funcionan los LLM: tokens, ventana de contexto y muestreo
Entiende tres conceptos fundamentales de los LLM: tokens, ventana de contexto y muestreo, con código Java 21 para contar tokens, truncar el historial de chat y ajustar temperature, top-k y top-p.
Diferencia entre tool, resource y prompt en MCP
Distinguir los tres primitivos de MCP según quién los controla, con ejemplos en Spring AI y tests para cada tipo.
Ejecutar modelos embedding con sentence-transformers
Crea vectores embedding con sentence-transformers, calcula similitud, realiza búsqueda semántica e invoca modelos desde aplicaciones Spring Boot.
Llamar a LLM API: temperature, top_p y max tokens
Entiende cómo temperature, top_p y max tokens controlan la salida de LLM y cómo configurarlos correctamente con Spring AI en aplicaciones Spring Boot 3.
Qué es un AI Agent: el bucle observar – razonar – actuar
Entiende la naturaleza de los AI Agents a través del bucle observar – razonar – actuar, implementa un agent minimalista en Java 21 y pruébalo con JUnit 5.
RAG de A a Z: obtén documentos y luego responde
Construye un pipeline RAG completo con Spring AI: particiona documentos, crea embeddings, busca vectores, ensambla prompts con fuentes y prueba cada paso.
¿Qué es un AI Agent? Explicación detallada con ejemplos en Java
Definición de AI Agent, diferencia con chatbot común, explicación del bucle ReAct y construcción de un agente mínimo con Java y Spring AI.
Stack IA 0 dólares: explicación detallada con ejemplos
Análisis de una arquitectura IA production-grade que puede ejecutarse con costo 0, desde frontend, RAG, LLM local hasta deployment, con ejemplos de código prácticos.
Top AI Repo GitHub 2026: explicación detallada con ejemplo de agente
Análisis de los patrones arquitectónicos detrás de los repositorios AI agent más populares de GitHub 2026, con ejemplo de construcción propia de un Tool-Calling Agent usando Java/Spring Boot.
¿Por qué buscar todo cuesta tanto?: explicación detallada con ejemplos (RAG)
La búsqueda plana en RAG tiene complejidad O(n) y es completamente exacta, pero resulta costosa con datos grandes. El artículo explica IVF, nprobe y el equilibrio entre recall/velocidad a través de ejemplos en Java.
5 Patrones de Agentes IA - explicación detallada con ejemplos Java
Aprende 5 patrones comunes al construir Agentes IA - Reflection, Tool Use, Planning, Multi-Agent, ReAct - con ejemplos de Java/Spring AI funcionales.
Actualizar documentos RAG sin sobrescribir: forma correcta para LLM
Cuando los documentos fuente cambian, sobrescribir directamente en el vector store causa conflictos de datos. El artículo guía el proceso de versionado seguro para RAG.
Biblioteca Datasets de Hugging Face: Cargar y Procesar Datos
Guía para usar la biblioteca Datasets de Hugging Face a fin de cargar, explorar, transformar y guardar datasets para entrenar modelos NLP.
Escribe tu primer servidor MCP con Java y Spring Boot
Guía para construir un servidor MCP minimalista con Java 21, registrar tu primera herramienta y conectar con un cliente como Claude Desktop.
Fine-tune de modelos pequeños con Hugging Face Trainer
Guía para fine-tunear un modelo pequeño (DistilBERT) en clasificación de reseñas de productos con la API Trainer de Hugging Face, desde preparación de datos hasta inference.