IA aplicada para desenvolvimento Java empresarial (Portuguese Edition)

Capítulo 10. LangGraph4j

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Nos dois capítulos anteriores, , você aprendeu a usar o projeto LangChain4j em vários casos de uso, como criar chatbots, categorizar textos e desenvolver sistemas RAG. Além disso, apresentamos o mundo da incorporação vetorial, desenvolvendo vários casos de uso, como agrupamento, tudo usando os recursos do LangChain4j. Mas você também viu que, para certos cenários avançados, o LangChain4j sozinho não é suficiente.

Ao criar aplicativos complexos com vários agentes, você começa a envolver muitas peças, como vários prompts, ferramentas, recuperadores de conteúdo ou RAG. Ter todas essas peças funcionando juntas é ótimo, mas essa abordagem traz alguns desafios, como falamos no capítulo anterior:

• Excluindo tokens desnecessários — como ferramentas não utilizadas ou documentos irrelevantes — que podem tornar o modelo mais lento, aumentar o risco de alucinação (modelos que fornecem respostas incorretas) e elevar os custos

• Gerenciando o estado de vários agentes

• Coordenar agentes

• Lidar com testes mais complexos

• Implementar comportamentos complexos para dar suporte à interação humana ou à paralelização de processos

O LangGraph4j resolve esses problemas usando gráficos cíclicos (vamos chamá-los de gráficos neste livro para simplificar) para coordenar e executar um ou mais agentes. Neste capítulo, você aprenderá o LangGraph4j para implementar ...