Wikipedia Link Rennen: Auswahl aus Tausenden Optionen
Das Modell wählt den nächsten Schritt aus Hunderten oder Tausenden Links und zeigt schnelle Entscheidungen mit eingeschränkten Ausgaben. Der Post enthält ein 4:04 Video.
Modulares RAG mit Spring AI und TypeSafe AI Jev
Zeigt, wie Jev Vektorsuchergebnisse neu bewertet und nur die Chunks behält, die die Anfrage tatsächlich beantworten. Inklusive Blogbeitrag und Devoxx-Vortrag.
Spring AI Modular RAG + TypeSafe AI Jev 🧩 LLMs rewrite and expand the query. Vector search finds 6 chunks. #Jev keeps the 2 that actually answer it. 📝 Blog: https://spring.io/blog/2026/10/02/spring-ai-modular-rag-typesafe-jev… 🎤 At @Devoxx BE next week? Join my deep dive: https://m.devoxx.com/events/dvbe26/talks/17786/agent-loops-decoded-fundamentals-to-agentic-patterns-in-spring-ai… #RAG #Java #SpringAI
· 1 likesOpen on X
More like this
Anwendungsfall für semantische Abfragen mit Jev und TypeSafe AI
Nathan LeClaire teilt einen Anwendungsfall für semantische Abfragen mit Jev und TypeSafe AI und merkt an, dass man erst an der Oberfläche kratzt.
Ein Live-BS-Meter für die Trump-vs-Kamala-Debatte mit Jev erstellen
Der Autor nutzte Jev, um einen Live-BS-Meter auf jeden Satz der Trump-vs-Kamala-Debatte anzuwenden, mit 5 Ja/Nein-Fragen pro Kandidat, insgesamt 1.191 Jev-Aufrufe, 1,18 Mio. Tokens, 415 ms Median-Latenz und Gesamtkosten von 0,0497 $.
