App de RAG offline que indexa arquivos locais, repositórios do GitHub e sites e responde a perguntas com modelos locais do Ollama, mantendo os dados na sua rede.
76595PythonGPL-3.0Bem mantidoAtualizado há 5 dias
ThomasVitale/llm-apps-java-spring-ai
Coleção de aplicações Java de exemplo que mostram como criar recursos de LLM e IA generativa com Spring AI e Spring Boot.
- Estrelas
- 787
- Forks
- 192
- Issues abertas
- 7
- Último commit
- ontem
O que é?
Este repositório reúne projetos de exemplo para criar aplicações Java que usam Large Language Models e IA generativa por meio do Spring AI. Os projetos são organizados por tema: chat básico, embeddings, modelos de imagem e áudio, padrões de prompt, saída estruturada, multimodalidade, chamadas de ferramentas, memória de chat, guardrails, ingestão de documentos e vários fluxos de geração aumentada por recuperação (RAG).
A maioria dos exemplos roda localmente com Ollama; outros usam provedores hospedados, como OpenAI e Mistral AI. Os exemplos de armazenamento vetorial usam PGVector, e alguns exemplos de embeddings usam transformers ONNX. Os exemplos de observabilidade abrangem o monitoramento de modelos e armazenamentos vetoriais; um deles integra a Brave Search API por meio do Model Context Protocol.
O projeto requer Java 25 e Podman ou Docker para os serviços de suporte. Cada exemplo fica em sua própria pasta, para que os desenvolvedores possam escolher o padrão de que precisam e reutilizá-lo em suas aplicações Spring.
Recursos principais
- 01Exemplos de modelos de chat, embeddings, imagem e áudio com vários provedores
- 02Padrões de prompt, saída estruturada e chamadas de ferramentas
- 03Implementações de memória de chat com JDBC ou armazenamento vetorial
- 04Fluxos de RAG (ingênuo, avançado, ramificado e condicional) com PGVector
- 05Exemplos de observabilidade para chamadas de LLM e armazenamentos vetoriais
Casos de uso
- Adicionar um chatbot com LLM local a um serviço Spring Boot usando Ollama
- Criar um sistema de perguntas e respostas sobre documentos com RAG e PGVector
- Aprender a extrair dados estruturados da saída de um LLM para objetos Java
- Explorar chamadas de ferramentas e integrações com MCP em um backend Java
Início rápido
- 1
Instale o Java 25 e o Podman ou Docker
- 2
Escolha um exemplo do README, como um caso de uso ou uma pasta de modelos, e siga as instruções específicas dele
Antes de usar
- É necessário ter Java 25 e Podman ou Docker.
- Muitos exemplos dependem de provedores de modelos hospedados, como OpenAI ou Mistral AI, que exigem chaves de API.
- Várias seções, incluindo moderação, bancos de dados vetoriais, avaliação e agentes, estão marcadas como disponíveis em breve.
Em coleções
Tópicos
Perguntas frequentes
- O que é llm-apps-java-spring-ai?
- Coleção de aplicações Java de exemplo que mostram como criar recursos de LLM e IA generativa com Spring AI e Spring Boot. Este repositório reúne projetos de exemplo para criar aplicações Java que usam Large Language Models e IA generativa por meio do Spring AI. Os projetos são organizados por tema: chat básico, embeddings, modelos de imagem e áudio, padrões de prompt, saída estruturada, multimodalidade, chamadas de ferramentas, memória de chat, guardrails, ingestão de documentos e vários fluxos de geração aumentada por recuperação (RAG).
- llm-apps-java-spring-ai é gratuito? Qual é a licença?
- llm-apps-java-spring-ai é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- llm-apps-java-spring-ai ainda é mantido?
- Manutenção ativa. O último commit de llm-apps-java-spring-ai foi em 6 de nov. de 2026.
- Para que posso usar llm-apps-java-spring-ai?
- Adicionar um chatbot com LLM local a um serviço Spring Boot usando Ollama Criar um sistema de perguntas e respostas sobre documentos com RAG e PGVector Aprender a extrair dados estruturados da saída de um LLM para objetos Java Explorar chamadas de ferramentas e integrações com MCP em um backend Java
- Como instalar llm-apps-java-spring-ai?
- Instale o Java 25 e o Podman ou Docker Escolha um exemplo do README, como um caso de uso ou uma pasta de modelos, e siga as instruções específicas dele
- Onde consigo llm-apps-java-spring-ai?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/ThomasVitale/llm-apps-java-spring-ai
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca Java para acessar a API REST do servidor Ollama, com suporte a chat, geração, ferramentas, embeddings e gerenciamento de modelos.
509+3 esta semana85JavaMITAtualizado há 13 dias
Framework PHP para criar aplicações de IA generativa com LLMs, embeddings e bancos de dados vetoriais, compatível com Symfony e Laravel.
1,7 mil179PHPMITBem mantidoAtualizado há 4 horas
Guia e app de chatbot web para rodar um LLM pequeno e local com API compatível com a OpenAI em hardware de consumo, usando Ollama, vLLM ou llama-cpp-python.
35443JavaScriptMITAtualizado há 14 dias
Ferramenta de linha de comando e biblioteca Python para executar prompts e conversar com modelos de linguagem de grande porte remotos ou instalados localmente.
12,7 mil+34 esta semana1,1 milPythonApache-2.0Atualizado anteontem
Uma biblioteca Emacs Lisp que oferece ao código elisp uma interface única para vários provedores de LLM, como OpenAI, Claude, Gemini e Ollama local.
39444Emacs LispGPL-3.0Bem mantidoAtualizado há 3 dias