Contar tokens e estimar custos ao chamar LLM em Java
Como contar tokens localmente com JTokkit, calcular custos com BigDecimal, bloquear requisições que excedem orçamento e comparar com uso real do Spring AI.
Streaming de resposta da LLM API com Java 21 e Spring Boot
Receba cada token da LLM API via Server-Sent Events usando HttpClient e WebClient, depois envie para o navegador, com tratamento de erros, timeout e testes.
Function calling / tool use por exemplo com Spring AI
Entenda como LLMs chamam funções da sua aplicação, de JSON puro a @Tool no Spring AI. O artigo tem exemplos de consulta, cancelamento de pedido e testes sem chamar o modelo de verdade.
Structured output: forçar LLM a retornar JSON no schema correto com Spring AI
Como forçar LLM a retornar JSON que combine com schema no Spring Boot: mapear para record usando Spring AI, ativar JSON Schema nativo, validar, retry e escrever testes.
Prompt engineering: técnicas que funcionam imediatamente
Técnicas de prompt engineering práticas como system prompt, delimiter, few-shot, structured output e temperature, ilustradas com Spring AI.
AI Agent é quê: o loop observar – raciocinar – agir
Compreenda a natureza dos AI Agents através do loop observar – raciocinar – agir, implemente um agent minimal em Java 21 e teste-o com JUnit 5.
Chamando a API LLM: temperature, top_p e max_tokens
Entenda como temperature, top_p e max_tokens controlam a saída da LLM, e configure-os corretamente com Spring AI em aplicações Spring Boot 3.
Como ferramentas, recursos e prompts do MCP diferem
Diferenciar os três primitivos do MCP: tool, resource e prompt pelo controlador, com exemplos em Spring AI e testes para cada tipo.
Como LLM funciona: tokens, context window e sampling
Entenda três conceitos fundamentais de LLM: tokens, context window e sampling, com código Java 21 para contar tokens, encaixar histórico de chat e configurar temperature, top-k, top-p.
Executando model embedding com sentence-transformers
Crie embeddings vetoriais com sentence-transformers, calcule similaridade, realize busca semântica e chame o model de uma aplicação Spring Boot.
RAG de A a Z: busque o documento antes de responder
Construa um pipeline RAG completo com Spring AI: dividir documentos, criar embeddings, buscar vetores, montar prompt com trecho da fonte e escrever testes para cada passo.
O que é AI Agent? Explicação detalhada com exemplos em Java
Definição de AI Agent, diferença com chatbots comuns, explicação do loop ReAct e construção de um agent minimal em Java, Spring AI.
Stack AI $0: explicação detalhada com exemplos
Análise de uma arquitetura AI de nível produção que pode rodar com custo $0, desde frontend, RAG, LLM local até deployment, com exemplos práticos de código.
Top AI Repo GitHub 2026: explicação detalhada com exemplo de agent
Análise dos padrões de arquitetura por trás dos AI agent repos mais populares do GitHub 2026, com exemplo prático de construção de um Tool-Calling Agent em Java/Spring Boot.
5 Padrões de AI Agent - Explicação detalhada com exemplos Java
Conheça 5 padrões populares ao construir AI Agent - Reflection, Tool Use, Planning, Multi-Agent, ReAct - com exemplos Java/Spring AI executáveis.
Biblioteca Datasets do Hugging Face: Carregando e Processando Dados
Guia de uso da biblioteca Datasets do Hugging Face para carregar, explorar, transformar e salvar datasets para treinamento de modelos NLP.
Escrever o primeiro MCP server com Java e Spring Boot
Guia para construir um MCP server minimalista com Java 21, registrar a primeira tool e conectar com um cliente como Claude Desktop.
Fine-tune modelo pequeno com Hugging Face Trainer
Guia para fine-tuning de um modelo pequeno (DistilBERT) para classificação de reviews de produtos usando a API Trainer do Hugging Face, desde a preparação dos dados até inference.
GPT-Live ouvindo e falando ao mesmo tempo — como funciona e exemplo de integração Java
Explica a arquitetura full-duplex de escuta-fala simultânea de modelos LLM em tempo real, com exemplo de integração WebSocket usando Spring Boot.
LLM precisa de evidência para responder corretamente: RAG explicado com exemplos
LLM não sabe automaticamente os dados privados da sua empresa. O artigo explica o mecanismo RAG, por que a retrieval determina a qualidade da resposta, com exemplos em Java funcionais.