ローカルファイル、GitHubリポジトリ、Webサイトを取り込み、ネットワーク内にデータを保ったままローカルのOllamaモデルで質問に答えるオフラインRAGアプリ。
ThomasVitale/llm-apps-java-spring-ai
Spring AIとSpring BootでLLMや生成AIの機能を構築する方法を示す、Javaアプリケーションのサンプル集です。
- スター
- 787
- フォーク
- 192
- 未解決の Issue
- 7
- 最終コミット
- 昨日
これは何?
このリポジトリには、Spring AIを通じて大規模言語モデルや生成AIを利用するJavaアプリケーションのサンプルプロジェクトがまとめられています。基本的なチャット、埋め込み、画像・音声モデル、プロンプトパターン、構造化出力、マルチモーダル、ツール呼び出し、チャットメモリ、ガードレール、ドキュメントの取り込み、複数の検索拡張生成(RAG)フローなど、トピックごとに整理されています。
サンプルの多くはOllamaを使ってローカルで実行でき、ほかにはOpenAIやMistral AIなどのホスト型プロバイダーを利用します。ベクトルストレージの例ではPGVectorを使い、埋め込みの例の一部ではONNX transformersを利用します。可観測性のサンプルではモデルとベクトルストアの監視を扱い、サンプルの1つではModel Context Protocolを通じてBrave Search APIと連携します。
このプロジェクトの実行にはJava 25と、各種サービスを動かすためのPodmanまたはDockerが必要です。各サンプルは個別のフォルダーにあるため、開発者は必要なパターンを選び、自分のSpringアプリケーションで再利用できます。
主な機能
- 01複数のプロバイダーを使ったチャット、埋め込み、画像、音声モデルのサンプル
- 02プロンプト、構造化出力、ツール呼び出しのパターン
- 03JDBCまたはベクトルストアを利用するチャットメモリの実装
- 04PGVectorを使ったRAGフロー(naive、advanced、branching、conditional)
- 05LLM呼び出しとベクトルストアの可観測性に関するサンプル
ユースケース
- Ollamaを使い、Spring BootサービスにローカルLLMチャットボットを追加する
- RAGとPGVectorを使ったドキュメント質問応答システムを構築する
- LLMの出力からJavaオブジェクトに構造化データを抽出する方法を学ぶ
- Javaバックエンドでのツール呼び出しとMCP連携を試す
クイックスタート
- 1
Java 25 と Podman または Docker をインストールする
- 2
README からユースケースやモデルのフォルダーなどのサンプルを選び、そのサンプルの手順に従う
使う前に知っておきたいこと
- Java 25 と Podman または Docker が必要です。
- 多くのサンプルは OpenAI や Mistral AI などのホスト型モデルプロバイダーに依存しており、API キーが必要です。
- モデレーション、ベクトルストア、評価、エージェントなど、いくつかのセクションは近日公開と記載されています。
収録されている特集
トピック
よくある質問
- llm-apps-java-spring-ai とは?
- Spring AIとSpring BootでLLMや生成AIの機能を構築する方法を示す、Javaアプリケーションのサンプル集です。 このリポジトリには、Spring AIを通じて大規模言語モデルや生成AIを利用するJavaアプリケーションのサンプルプロジェクトがまとめられています。基本的なチャット、埋め込み、画像・音声モデル、プロンプトパターン、構造化出力、マルチモーダル、ツール呼び出し、チャットメモリ、ガードレール、ドキュメントの取り込み、複数の検索拡張生成(RAG)フローなど、トピックごとに整理されています。
- llm-apps-java-spring-ai は無料で使えますか?ライセンスは?
- llm-apps-java-spring-ai は Apache-2.0 ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- llm-apps-java-spring-ai は今もメンテナンスされていますか?
- 活発にメンテナンス中。llm-apps-java-spring-ai の最終コミットは 2026年11月6日 です。
- llm-apps-java-spring-ai は何に使えますか?
- Ollamaを使い、Spring BootサービスにローカルLLMチャットボットを追加する RAGとPGVectorを使ったドキュメント質問応答システムを構築する LLMの出力からJavaオブジェクトに構造化データを抽出する方法を学ぶ Javaバックエンドでのツール呼び出しとMCP連携を試す
- llm-apps-java-spring-ai のインストール方法は?
- Java 25 と Podman または Docker をインストールする README からユースケースやモデルのフォルダーなどのサンプルを選び、そのサンプルの手順に従う
- llm-apps-java-spring-ai はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/ThomasVitale/llm-apps-java-spring-ai
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
OllamaサーバーのREST APIを呼び出すJavaライブラリ。チャット、生成、ツール、埋め込み、モデル管理に対応。
SymfonyやLaravelに対応し、LLM、embedding、ベクトルデータベースを活用した生成AIアプリを構築できるPHPフレームワーク。
Ollama、vLLM、llama-cpp-pythonを使い、一般的なハードウェア上でOpenAI互換APIを備えた小規模なローカルLLMを動かすためのガイド兼チャットボットWebアプリ。
リモートおよびローカルにインストールした大規模言語モデルにプロンプトやチャットを実行できる、CLIツール兼Pythonライブラリ。
OpenAI、Claude、Gemini、ローカルのOllamaなど、複数のLLMプロバイダーをelispコードから共通のインターフェースで利用できるEmacs Lispライブラリです。