Course de liens Wikipédia : choisir parmi des milliers d’options
Le modèle choisit l’étape suivante parmi des centaines ou milliers de liens, montrant des décisions rapides avec sorties contraintes. Le post contient une vidéo de 4 min 04.
RAG modulaire Spring AI avec TypeSafe AI Jev
Montre comment Jev réordonne les résultats de recherche vectorielle en ne conservant que les fragments qui répondent réellement à la requête. Inclut un article de blog et une présentation Devoxx.
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
Cas d'usage de requête sémantique avec Jev et TypeSafe AI
Nathan LeClaire partage un cas d'usage de requête sémantique pour Jev et TypeSafe AI, notant qu'on n'a fait qu'effleurer la surface.
Créer un détecteur de BS en direct pour le débat Trump vs Kamala avec Jev
L'auteur a utilisé Jev pour exécuter un détecteur de BS en direct sur chaque phrase du débat Trump vs Kamala, avec 5 questions oui/non par candidat, totalisant 1 191 appels Jev, 1,18 M de tokens, 415 ms de latence médiane et un coût total de 0,0497 $.
