App de RAG offline que procesa archivos locales, repositorios de GitHub y sitios web, y responde preguntas con modelos locales de Ollama, manteniendo los datos en tu red.
76595PythonGPL-3.0Bien mantenidoActualizado hace 4 días
ThomasVitale/llm-apps-java-spring-ai
Colección de aplicaciones Java de ejemplo que muestran cómo crear funciones de LLM e IA generativa con Spring AI y Spring Boot.
- Estrellas
- 787
- Forks
- 192
- Issues abiertos
- 7
- Último commit
- hace 21 horas
¿Qué es?
Este repositorio reúne proyectos de ejemplo para crear aplicaciones Java que usan modelos de lenguaje grandes e IA generativa mediante Spring AI. Está organizado por temas: chat básico, embeddings, modelos de imagen y audio, patrones de prompts, salida estructurada, multimodalidad, llamadas a herramientas, memoria de chat, guardrails, ingesta de documentos y varios flujos de generación aumentada por recuperación (RAG).
La mayoría de los ejemplos se ejecutan localmente con Ollama; otros usan proveedores alojados, como OpenAI y Mistral AI. Los ejemplos de almacenamiento vectorial usan PGVector, y algunos ejemplos de embeddings usan transformers de ONNX. Los ejemplos de observabilidad abarcan la monitorización de modelos y almacenes vectoriales, y uno integra la API de Brave Search mediante el Model Context Protocol.
El proyecto requiere Java 25 y Podman o Docker para los servicios auxiliares. Cada ejemplo está en su propia carpeta, así que los desarrolladores pueden elegir el patrón que necesiten y reutilizarlo en sus propias aplicaciones Spring.
Funciones clave
- 01Ejemplos de modelos de chat, embeddings, imagen y audio con varios proveedores
- 02Patrones de prompts, salida estructurada y llamadas a herramientas
- 03Implementaciones de memoria de chat con JDBC o un almacén vectorial
- 04Flujos RAG (ingenuo, avanzado, ramificado y condicional) con PGVector
- 05Ejemplos de observabilidad para llamadas a LLM y almacenes vectoriales
Casos de uso
- Añadir un chatbot con un LLM local a un servicio Spring Boot mediante Ollama
- Crear un sistema de preguntas y respuestas sobre documentos con RAG y PGVector
- Aprender a extraer datos estructurados de la salida de un LLM y convertirlos en objetos Java
- Explorar las llamadas a herramientas y las integraciones con MCP en un backend Java
Inicio rápido
- 1
Instala Java 25 y Podman o Docker
- 2
Elige un ejemplo del README, como un caso de uso o una carpeta de modelos, y sigue sus propias instrucciones
Antes de usarlo
- Se necesitan Java 25 y Podman o Docker.
- Muchos ejemplos dependen de proveedores de modelos alojados, como OpenAI o Mistral AI, que requieren claves de API.
- Varias secciones, incluidas la moderación, los almacenes vectoriales, la evaluación y los agentes, aparecen como próximas novedades.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es llm-apps-java-spring-ai?
- Colección de aplicaciones Java de ejemplo que muestran cómo crear funciones de LLM e IA generativa con Spring AI y Spring Boot. Este repositorio reúne proyectos de ejemplo para crear aplicaciones Java que usan modelos de lenguaje grandes e IA generativa mediante Spring AI. Está organizado por temas: chat básico, embeddings, modelos de imagen y audio, patrones de prompts, salida estructurada, multimodalidad, llamadas a herramientas, memoria de chat, guardrails, ingesta de documentos y varios flujos de generación aumentada por recuperación (RAG).
- ¿llm-apps-java-spring-ai es gratuito? ¿Qué licencia tiene?
- llm-apps-java-spring-ai es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿llm-apps-java-spring-ai sigue mantenido?
- Mantenimiento activo. El último commit de llm-apps-java-spring-ai fue el 5 nov 2026.
- ¿Para qué puedo usar llm-apps-java-spring-ai?
- Añadir un chatbot con un LLM local a un servicio Spring Boot mediante Ollama Crear un sistema de preguntas y respuestas sobre documentos con RAG y PGVector Aprender a extraer datos estructurados de la salida de un LLM y convertirlos en objetos Java Explorar las llamadas a herramientas y las integraciones con MCP en un backend Java
- ¿Cómo se instala llm-apps-java-spring-ai?
- Instala Java 25 y Podman o Docker Elige un ejemplo del README, como un caso de uso o una carpeta de modelos, y sigue sus propias instrucciones
- ¿Dónde consigo llm-apps-java-spring-ai?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/ThomasVitale/llm-apps-java-spring-ai
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Una biblioteca Java para llamar a la API REST del servidor Ollama, con funciones de chat, generación, herramientas, embeddings y gestión de modelos.
509+3 esta semana85JavaMITActualizado hace 11 días
Framework de PHP para crear aplicaciones de IA generativa con LLM, embeddings y bases de datos vectoriales, compatible con Symfony y Laravel.
1,7 mil179PHPMITBien mantenidoActualizado hace 4 días
Guía y aplicación web de chatbot para ejecutar un LLM local pequeño en hardware de consumo mediante una API compatible con OpenAI, usando Ollama, vLLM o llama-cpp-python.
35443JavaScriptMITActualizado hace 12 días
Herramienta de línea de comandos y biblioteca de Python para ejecutar prompts y chats con modelos de lenguaje grandes, remotos o instalados localmente.
12,7 mil+25 esta semana1,1 milPythonApache-2.0Actualizado hace 3 días
Una biblioteca de Emacs Lisp que ofrece al código elisp una interfaz única para múltiples proveedores de LLM, como OpenAI, Claude, Gemini y Ollama local.
394+1 esta semana44Emacs LispGPL-3.0Bien mantenidoActualizado ayer