ThomasVitale/llm-apps-java-spring-ai

解決する課題

このリポジトリは、Java 開発者が Spring AI フレームワークを使って生成 AI アプリケーションを構築するための包括的なサンプルアプリケーションと実装パターンを提供します。AI の概念と実際の Java 実装のギャップを埋め、LLM、ベクトルデータベース、マルチモーダル機能をエンタープライズ Java アプリに統合する具体例を示します。

仕組み

プロジェクトは Spring AI で実装されたユースケースとパターンのコレクションとして構成されています。OpenAI、Mistral AI、Ollama などのさまざまなモデルプロバイダーや、PGVector などのベクトルストレージツールとの統合例を示します。サンプルはデータ取り込み（PDF、JSON、Markdown の読み取り）やドキュメント変換（分割とメタデータ付加）から、シーケンシャル、ブランチング、条件付き RAG など高度な RAG（Retrieval Augmented Generation）フローまで、AI アプリケーションのライフサイクル全体をカバーしています。

対象者

Spring AI を使って AI を組み込んだアプリケーションを構築したい Java 開発者やソフトウェアアーキテクト。特に、RAG、ツール呼び出し、構造化出力といった一般的な AI パターンの実用的で実行可能なサンプルを求めている方に最適です。

ハイライト

• 多様なモデルサポート：OpenAI、Mistral AI、Ollama 経由のローカル LLM と統合。
• 高度な RAG パターン：naive、advanced、sequential、branching、conditional の RAG フロー実装。
• 包括的ツールチェーン：構造化データ抽出、テキスト分類、マルチモーダルプロンプトの例。
• エンタープライズ向けパターン：チャットメモリ（JDBC、ベクトルストア、Spring Security）と入出力ガードレールの実装。
• データ取り込みパイプライン：PDF、JSON、Markdown、Tika など様々なフォーマットに対応した組み込みドキュメントリーダーと、チャンク化・メタデータ付加のためのドキュメントトランスフォーマー。