JavaでLLMを呼び出す際のトークンカウント・費用推定
JTokkit でローカルトークンをカウント、BigDecimal で費用を計算し、予算超過のリクエストをブロック、Spring AI から実際の使用状況と照合する
JTokkit でローカルトークンをカウント、BigDecimal で費用を計算し、予算超過のリクエストをブロック、Spring AI から実際の使用状況と照合する
HttpClientとWebClientを使ってLLM APIからServer-Sent Events経由でトークンを受け取り、ブラウザに転送する方法。エラーハンドリング、タイムアウト、テストも含む。
LLMがアプリケーションの関数を呼び出す仕組みを、JSONレベルから@Toolまで学びます。注文照会、キャンセル、実際のモデル呼び出しなしのテストの例を含みます。
Spring BootでLLMから正しいJSONスキーマを返させる方法:Spring AIでRecordにマップする、OpenAIのネイティブJSON Schema機能を有効にする、バリデーション、リトライとテストを書く
System prompt、delimiter、few-shot、structured output、temperatureなどの実用的なプロンプトエンジニアリング技法をSpring AIで解説します。
観察-推論-行動ループを通じてAIエージェントの本質を理解し、Java 21で最小限のエージェントを自分で実装し、JUnit 5でテストします。
temperature、top_p、max tokensがLLMの出力をどのように制御するか理解し、Spring Boot 3のSpring AIで正しく設定する方法を学びます。
LLMの3つの基本概念(トークン、コンテキストウィンドウ、サンプリング)を理解し、Java 21でトークンをカウント、チャット履歴をカット、temperature、top-k、top-pを実装するコードを含む。
MCPの3つのprimitiveであるtool、resource、promptを操作者の観点から区別し、Spring AIの例とそれぞれのテストを示す。
Spring AIを使ったRAGパイプラインの構築:文書の分割、埋め込み生成、ベクトル検索、プロンプトの組み立て、各ステップのテスト実装まで
sentence-transformersでベクトルembeddingを作成し、類似度を計算し、semantic searchを実行し、Spring Bootアプリケーションからモデルを呼び出す。
AI Agentの定義、通常のチャットボットとの違い、ReAct ループの説明、JavaとSpring AIで最小限のエージェントを構築します。
フロントエンド、RAG、ローカルLLM、デプロイメントまで、本番環境レベルのAIアーキテクチャを0円で構築・運用する方法を、コード例を交えて解説。
2026年のGitHubで話題のAIエージェントリポジトリが採用する設計パターンを分析し、Java/Spring BootでTool-Calling Agentを実装。
AIエージェント構築時の5つの一般的なパターン(Reflection、Tool Use、Planning、Multi-Agent、ReAct)を学び、動作するJava/Spring AIの例を確認します。
リアルタイム LLM の双方向音声アーキテクチャの仕組みを解説し、Spring Boot を使った WebSocket 統合例を実装します。
Hugging FaceのTrainer APIを使用してDistilBERTを商品レビュー分類タスク用にファインチューニングする方法を、データ準備からinferenceまでガイドします。
Hugging FaceのDatasetsライブラリを用いてデータセットを読み込み、探索、変換、保存し、NLPモデルの学習を準備するガイドです。
Java 21を使用した最小限のMCPサーバー構築ガイド。最初のツールを登録し、Claude Desktopのようなクライアントと接続する方法
LLMは企業の機密データを自動的には知ることができません。この記事はRAGの仕組み、retrievalがいかに回答品質を決めるか、実行可能なJavaの例を説明します。