#langchain4j — Public Fediverse posts

🚀 langchain4j-cdi 1.2.0 is out!

🤖 @RegisterAgent: 8 agentic topologies (SIMPLE→A2A)
🔌 MCP Server support for CDI beans
⚡ ${config} & #{EL} expressions in annotations
All CDI-native, enterprise-ready.
Thanks to @yblazart.bsky.social , Buhake Sindi and Don Bourne
#Java #AI #LangChain4j #JakartaEE

Every deterministic workflow step does not need a planner call.

This piece shows how to keep MCP tools boring inside a LangChain4j graph: one Quarkus MCP server, one workflow app, /topology, and tests that hit real Ollama instead of stubs.

https://www.the-main-thread.com/p/quarkus-langchain4j-mcp-tool-agents

#Java #Quarkus #LangChain4j #MCP

Every deterministic workflow step does not need a planner call.

This piece shows how to keep MCP tools boring inside a LangChain4j graph: one Quarkus MCP server, one workflow app, /topology, and tests that hit real Ollama instead of stubs.

https://www.the-main-thread.com/p/quarkus-langchain4j-mcp-tool-agents

#Java #Quarkus #LangChain4j #MCP

Every deterministic workflow step does not need a planner call.

This piece shows how to keep MCP tools boring inside a LangChain4j graph: one Quarkus MCP server, one workflow app, /topology, and tests that hit real Ollama instead of stubs.

https://www.the-main-thread.com/p/quarkus-langchain4j-mcp-tool-agents

#Java #Quarkus #LangChain4j #MCP

Every deterministic workflow step does not need a planner call.

This piece shows how to keep MCP tools boring inside a LangChain4j graph: one Quarkus MCP server, one workflow app, /topology, and tests that hit real Ollama instead of stubs.

https://www.the-main-thread.com/p/quarkus-langchain4j-mcp-tool-agents

#Java #Quarkus #LangChain4j #MCP

Agent demos love static diagrams. Production gives you a different graph.

This post shows how to expose a live LangChain4j topology from Quarkus with AgentMonitor, HtmlReportGenerator, and an SSE feed for recent runs.

https://www.the-main-thread.com/p/quarkus-langchain4j-topology-http

#Java #Quarkus #LangChain4j #Observability

Agent names are not a routing strategy.

This walkthrough builds a Quarkus + LangChain4j sample that uses filesystem Skills to make ownership explicit, keeps a baseline supervisor for comparison, and proves the routing with HTTP tests.

https://www.the-main-thread.com/p/agent-skills-quarkus

#Quarkus #LangChain4j #Java #AIEngineering

Once a tool-calling assistant grows from 5 tools to 50, the problem stops being “prompting” and starts being context geometry.

This walkthrough builds a Quarkus + LangChain4j + Ollama example and shows what tool search actually changes: smaller working sets, visible search rounds, and more prompt headroom even when local latency is messy.

https://www.the-main-thread.com/p/langchain4j-tool-search-quarkus-ollama

#Quarkus #LangChain4j #Ollama #Java

Still building #AI with one model per request? You’re already behind. @kevindubois & Laura Cowen map the shift to agentic systems & why orchestration beats prompts.

Ready to design real AI architectures? Dive in: https://javapro.io/2026/03/31/agentic-ai-patterns-for-enterprise-software/

#Java #LangChain4j @langchain4j

In this #InfoQ article, Vignesh Durai explains how agentic and multimodal AI systems can be engineered using #ApacheCamel & #LangChain4j.

The solution combines LLM-based reasoning, retrieval-augmented generation (RAG), and image classification.

🔗 Read now: https://bit.ly/4sXdlcM

#AI #LLMs #DataPipelines

Tomorrow I’m speaking at the Bangalore JUG Special Talk on Open-Source GPU-Powered Image Generation with LangChain4j. We’ll walk through a Java-based stack using Spring, LangChain4j, ONNX Runtime, CUDA, and SD4J to build a cloud-ready image generation service with monitoring and a real-time UI.
RSVP: https://www.meetup.com/bangalorejug/events/314000765/

#Java #AI #LangChain4j #OpenSource #GPU

Exclusive Devoxx UK Discount for Quarkus Devs!

Want to catch all the supersonic, subatomic Java talks at Devoxx UK? Grab £50 off your registration with the exclusive code DVX26QUARKUS.

Don't miss the Quarkus sessions, and be sure to drop by the Quarkus Community Booth. Let's talk high-performance, cloud-native apps, and our latest Generative AI integrations with LangChain4j.

See you in London!

#DevoxxUK #Quarkus #Java #AI #LangChain4j #OpenSource #quarkusworldtour

Cheerio, London! The Quarkus community is heading to Devoxx UK on May 6th and 7th!

We are proud to sponsor a booth at this year's event in the Business Design Centre. Stop by to chat with our community members about how to supercharge your skillset with supersonic, subatomic Java. We'd love to talk to you about live coding, developer joy, & how to easily build enterprise-grade AI apps using our native LangChain4j integration!
️
See you there!
@DevoxxUK #DevoxxUK #Quarkus #Java #AI #LangChain4j

☕Break time at #JCON2026! Curious about what’s coming next? Warm up with some #JAVAPRO background reading from today’s speakers:

📄 @vilojona (11:30)
👉 https://javapro.io/2026/03/12/7-habits-of-highly-effective-ai-java-coding/

📄 @kevindubois (12:30)
👉 https://javapro.io/2026/03/31/agentic-ai-patterns-for-enterprise-software/

📄 Florian Sommer (12:30)
👉 https://javapro.io/de/wird-ki-mich-ersetzen-der-wert-unserer-expertise-im-ki-zeitalter/

🚀Insight now, questions later!

#AI #LangChain4j

Java developers: this guest post by Sebastian Kühnau shows how to build a streaming AI chat with Quarkus, Vaadin Flow, and LangChain4j — all in plain Java. A nice example of token-by-token UI updates without switching to a separate frontend stack.
https://www.the-main-thread.com/p/streaming-ai-chat-java-quarkus-vaadin-langchain4j

#Java #Quarkus #Vaadin #LangChain4j #AI

Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы

Когда я впервые внедрял LLM в production-сервис, схема безопасности выглядела примерно так: написать хороший system prompt, поставить галочку «мы всё предусмотрели» и жить дальше. Жизнь не дала долго наслаждаться этим спокойствием — первый же тест показал, что пользователи довольно быстро находят способы заставить модель «забыть» всё, что мы написали в системном промпте. Проблема фундаментальная: system prompt — это инструкция, которую LLM старается выполнить, но не обязан . Модель может её переинтерпретировать, «забыть» при длинном контексте или просто обойти через специальные конструкции. Guardrails — это другой уровень: они работают на уровне кода, до и после вызова LLM, и модель физически не может их обойти.

https://habr.com/ru/articles/1023782/

#llm #guardrails #prompt_injection #jailbreak #ai_security #безопасность_llm #java #spring_ai #langchain4j #backend

Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы

Когда я впервые внедрял LLM в production-сервис, схема безопасности выглядела примерно так: написать хороший system prompt, поставить галочку «мы всё предусмотрели» и жить дальше. Жизнь не дала долго наслаждаться этим спокойствием — первый же тест показал, что пользователи довольно быстро находят способы заставить модель «забыть» всё, что мы написали в системном промпте. Проблема фундаментальная: system prompt — это инструкция, которую LLM старается выполнить, но не обязан . Модель может её переинтерпретировать, «забыть» при длинном контексте или просто обойти через специальные конструкции. Guardrails — это другой уровень: они работают на уровне кода, до и после вызова LLM, и модель физически не может их обойти.

https://habr.com/ru/articles/1023782/

#llm #guardrails #prompt_injection #jailbreak #ai_security #безопасность_llm #java #spring_ai #langchain4j #backend

Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы

Когда я впервые внедрял LLM в production-сервис, схема безопасности выглядела примерно так: написать хороший system prompt, поставить галочку «мы всё предусмотрели» и жить дальше. Жизнь не дала долго наслаждаться этим спокойствием — первый же тест показал, что пользователи довольно быстро находят способы заставить модель «забыть» всё, что мы написали в системном промпте. Проблема фундаментальная: system prompt — это инструкция, которую LLM старается выполнить, но не обязан . Модель может её переинтерпретировать, «забыть» при длинном контексте или просто обойти через специальные конструкции. Guardrails — это другой уровень: они работают на уровне кода, до и после вызова LLM, и модель физически не может их обойти.

https://habr.com/ru/articles/1023782/

#llm #guardrails #prompt_injection #jailbreak #ai_security #безопасность_llm #java #spring_ai #langchain4j #backend

Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы

Когда я впервые внедрял LLM в production-сервис, схема безопасности выглядела примерно так: написать хороший system prompt, поставить галочку «мы всё предусмотрели» и жить дальше. Жизнь не дала долго наслаждаться этим спокойствием — первый же тест показал, что пользователи довольно быстро находят способы заставить модель «забыть» всё, что мы написали в системном промпте. Проблема фундаментальная: system prompt — это инструкция, которую LLM старается выполнить, но не обязан . Модель может её переинтерпретировать, «забыть» при длинном контексте или просто обойти через специальные конструкции. Guardrails — это другой уровень: они работают на уровне кода, до и после вызова LLM, и модель физически не может их обойти.

https://habr.com/ru/articles/1023782/

#llm #guardrails #prompt_injection #jailbreak #ai_security #безопасность_llm #java #spring_ai #langchain4j #backend

💭 Inspired by @maxandersen I forked my own little 🤖 𝗻𝗮𝗻𝗼𝗰𝗼𝗱𝗲 𝗰𝗼𝗱𝗶𝗻𝗴 𝗮𝗴𝗲𝗻𝘁 but using #langchain4j ➕ #gemini

2 approaches:
1️⃣ AI service w/ all tools
2️⃣ multi-agent w/ specialized tools

Bonus: Web search & Markdown rendering

https://glaforge.dev/posts/2026/04/11/a-simple-coding-agent-in-a-loop-with-langchain4j-jbang-and-gemini/

Helidon 4.4.0 Introduces Alignment with OpenJDK Cadence and Support via Java Verified Portfolio

#framework #helidon #java #langchain4j #microservices

https://www.infoq.com/news/2026/04/helidon-4-4-released/

#AI can query your DB—but can it do it correctly? That’s the hard part. @MarcoBelladelli shows how #Hibernate + #Quarkus + #LangChain4j add validation & control back. Want fewer production surprises?

Dive in: https://javapro.io/2026/04/03/talk-to-your-data-natural-language-data-access-in-java/

#LLM #Java @Hibernate @QuarkusIO @langchain4j

Oracle has released #Helidon 4.4.0, bringing some major shifts to the framework:

• Now aligned with the OpenJDK release cadence
• Backed by the Java Verified Portfolio
• New agentic AI support via LangChain4j
• Packed with enhanced core capabilities

Dive into the full update here: https://bit.ly/4eaZGuS

#Java #OpenJDK #LangChain4j #InfoQ

What happens when one #AI call isn’t enough? You don’t add more prompts—you add agents. @kevindubois & Laura Cowen show how enterprise AI really scales.

Curious how production systems are built? Dive in: https://javapro.io/2026/03/31/agentic-ai-patterns-for-enterprise-software/

#Quarkus #LangChain4j #Microservices @QuarkusIO

It still amazes me how easy & fast it is to create #MCP servers in #Java with #jbang, #langchain4j and a custom skill inside #geminicli

A handful of prompts, and less than 5 minutes later, I had created a working #Wikipedia MCP server!

https://glaforge.dev/posts/2026/04/02/creating-a-wikipedia-mcp-server-in-java-in-a-few-prompts/

AI in enterprise Java is powerful — but what about resilience & observability? #LangChain4J-CDI integrates with #MicroProfile Fault Tolerance & Telemetry out of the box. Buhake Sindi shows how to build #AI services ready for production: https://javapro.io/2026/02/25/bring-ai-into-your-jakarta-ee-apps-with-langchain4j-cdi-formerly-smallrye-llm/

@langchain4j

Still building #AI with one model per request? You’re already behind. @kevindubois & Laura Cowen map the shift to agentic systems & why orchestration beats prompts.

Ready to design real AI architectures? Dive in: https://javapro.io/2026/03/31/agentic-ai-patterns-for-enterprise-software/
#Java #LangChain4j @langchain4j @QuarkusIO

Testing MCP servers properly is harder than it should be.

Most examples still show raw JSON-RPC calls and manual assertions. That works, but it gets messy fast.

In this tutorial I show how to test a Quarkus MCP server with McpAssured and verify tools, resources, and prompts the way real AI agents call them.

Practical Java example + IBM Bob integration.

https://www.the-main-thread.com/p/quarkus-mcp-server-testing-mcpassured-ibm-bob

#Java #Quarkus #AI #LangChain4j #MCP

Going live today, 20:00 CEST 🚀

Jennifer Reif (@neo4j) and I are adding graph traversal on top of vector search and seeing what breaks (and what gets better). Expect a bit of chaos.

Join us 👇
https://youtube.com/live/KUcZL2yHjGU
#GraphRAG #LangChain4J

AI без Python: как исправить документацию и внедрить RAG в JVM-стеке

Даже для опытных пользователей системы (продукт-оунеры, техлиды, CTO, руководители уровня B-1, сотрудники кост-менеджмента) это не всегда просто, тем более для новых. Значительная часть времени уходит не на работу в системе, а на поиск информации в разрозненных источниках: Excel-таблицы, письма, локальные заметки или уточнение деталей у коллег. Отсюда и появилась идея AI-ассистента как удобного способа получать ответы в одном месте, обычным человеческим языком. Python почти стандарт для AI-проектов, но мы, как и большинство продуктовых команд в банке, используем JVM-стек: Kotlin, Java, Spring Boot. Поэтому осознанно выбрали развивать AI-ассистента в уже знакомом стеке. Это не просто техническое предпочтение. Мы хотели сохранить поддержку и масштабируемость внутри команды и не привлекать новые компетенции, которых у нас пока нет. Наш опыт может быть полезен командам, которые работают в JVM-среде и хотят внедрить AI без перехода на другой стек.

https://habr.com/ru/companies/raiffeisenbank/articles/1012666/

#ai #kotlin #spring_ai #rag #backend #LLM #JVM #pgVector #langchain4j #чанкинг

AI без Python: как исправить документацию и внедрить RAG в JVM-стеке

Даже для опытных пользователей системы (продукт-оунеры, техлиды, CTO, руководители уровня B-1, сотрудники кост-менеджмента) это не всегда просто, тем более для новых. Значительная часть времени уходит не на работу в системе, а на поиск информации в разрозненных источниках: Excel-таблицы, письма, локальные заметки или уточнение деталей у коллег. Отсюда и появилась идея AI-ассистента как удобного способа получать ответы в одном месте, обычным человеческим языком. Python почти стандарт для AI-проектов, но мы, как и большинство продуктовых команд в банке, используем JVM-стек: Kotlin, Java, Spring Boot. Поэтому осознанно выбрали развивать AI-ассистента в уже знакомом стеке. Это не просто техническое предпочтение. Мы хотели сохранить поддержку и масштабируемость внутри команды и не привлекать новые компетенции, которых у нас пока нет. Наш опыт может быть полезен командам, которые работают в JVM-среде и хотят внедрить AI без перехода на другой стек.

https://habr.com/ru/companies/raiffeisenbank/articles/1012666/

#ai #kotlin #spring_ai #rag #backend #LLM #JVM #pgVector #langchain4j #чанкинг

AI без Python: как исправить документацию и внедрить RAG в JVM-стеке

Даже для опытных пользователей системы (продукт-оунеры, техлиды, CTO, руководители уровня B-1, сотрудники кост-менеджмента) это не всегда просто, тем более для новых. Значительная часть времени уходит не на работу в системе, а на поиск информации в разрозненных источниках: Excel-таблицы, письма, локальные заметки или уточнение деталей у коллег. Отсюда и появилась идея AI-ассистента как удобного способа получать ответы в одном месте, обычным человеческим языком. Python почти стандарт для AI-проектов, но мы, как и большинство продуктовых команд в банке, используем JVM-стек: Kotlin, Java, Spring Boot. Поэтому осознанно выбрали развивать AI-ассистента в уже знакомом стеке. Это не просто техническое предпочтение. Мы хотели сохранить поддержку и масштабируемость внутри команды и не привлекать новые компетенции, которых у нас пока нет. Наш опыт может быть полезен командам, которые работают в JVM-среде и хотят внедрить AI без перехода на другой стек.

https://habr.com/ru/companies/raiffeisenbank/articles/1012666/

#ai #kotlin #spring_ai #rag #backend #LLM #JVM #pgVector #langchain4j #чанкинг

AI без Python: как исправить документацию и внедрить RAG в JVM-стеке

Даже для опытных пользователей системы (продукт-оунеры, техлиды, CTO, руководители уровня B-1, сотрудники кост-менеджмента) это не всегда просто, тем более для новых. Значительная часть времени уходит не на работу в системе, а на поиск информации в разрозненных источниках: Excel-таблицы, письма, локальные заметки или уточнение деталей у коллег. Отсюда и появилась идея AI-ассистента как удобного способа получать ответы в одном месте, обычным человеческим языком. Python почти стандарт для AI-проектов, но мы, как и большинство продуктовых команд в банке, используем JVM-стек: Kotlin, Java, Spring Boot. Поэтому осознанно выбрали развивать AI-ассистента в уже знакомом стеке. Это не просто техническое предпочтение. Мы хотели сохранить поддержку и масштабируемость внутри команды и не привлекать новые компетенции, которых у нас пока нет. Наш опыт может быть полезен командам, которые работают в JVM-среде и хотят внедрить AI без перехода на другой стек.

https://habr.com/ru/companies/raiffeisenbank/articles/1012666/

#ai #kotlin #spring_ai #rag #backend #LLM #JVM #pgVector #langchain4j #чанкинг

Running local LLMs is easy.

Running them reproducibly across machines and wiring them cleanly into a Java service? That’s the real problem.

In this hands-on guide I show how to:
• Run containerized models with RamaLama
• Expose an OpenAI-compatible API
• Integrate it into Quarkus using LangChain4j

No cloud dependency. No Python glue. Just containers + Java.

https://www.the-main-thread.com/p/local-llm-containers-ramalama-quarkus-langchain4j

#Java #Quarkus #LLM #LangChain4j #Podman #Containers

Most teams don’t start from scratch.

They have a working Quarkus app. Repositories. Services. REST endpoints. Production traffic.

In our latest episode, Alex Soto shows how to use IBM Bob to add LangChain4j to an existing Quarkus application — step by step, no rewrite.

It’s about controlled AI integration. Not hype.

Full article:
https://www.the-main-thread.com/p/from-standard-to-smart

#Java #Quarkus #LangChain4j #AIEngineering #EnterpriseJava #DevExperience

LangChain4j Release 1.12.1 and 1.12.1-beta21 are out!

#ai #java #langchain #langchain4j

https://github.com/langchain4j/langchain4j/releases/tag/1.12.1

Excited for #JCON EUROPE 2026? See Alexandre Gallice at #JCON2026 in Cologne talking about '#AI driven Unstructured Data Extraction Using #Apache #Camel and #LangChain4J'

A big chunk of the #data generated today is unstructured and it's …

🎟️ 2026.europe.jcon.one/tickets
Free for #JUG members

Excited for #JCON EUROPE 2026? See Emily Jiang at #JCON2026 in Cologne talking about 'Building Intelligent Enterprises: AI-Powered Java with #LangChain4j & #CDI'

Unlock the power of #AI within your proven #Java infrastructure. …

🎟️ 2026.europe.jcon.one/tickets
Free for #JUG members

AI in enterprise Java is powerful — but what about resilience & observability? #LangChain4J-CDI integrates with #MicroProfile Fault Tolerance & Telemetry out of the box. @EliteGentleman shows how to build #AI services ready for production: https://javapro.io/2026/02/25/bring-ai-into-your-jakarta-ee-apps-with-langchain4j-cdi-formerly-smallrye-llm/

@langchain4j

#Agent #skills help 𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗲 𝗿𝗲𝗽𝗲𝘁𝗶𝘁𝗶𝘃𝗲 𝘁𝗮𝘀𝗸𝘀.

Recently I used #GeminiCLI to easily create #MCP servers in #Java with #jbang & #LangChain4j

I extracted that 𝗸𝗻𝗼𝘄𝗹𝗲𝗱𝗴𝗲 into a 𝗿𝗲𝘂𝘀𝗮𝗯𝗹𝗲 SKILL.md to create more servers!

https://glaforge.dev/posts/2026/02/21/easily-build-a-local-mcp-server-in-java-with-a-skill-in-gemini-cli/

Prompt injection isn’t a text problem.
It’s an authority problem.

In this article, I show how to stop prompt injection in Java by enforcing real input boundaries using Quarkus, LangChain4j, Spotlighting, and StruQ.

No classifiers.
No regex guardrails.
Just architecture that holds under pressure.

https://www.the-main-thread.com/p/secure-llm-prompt-injection-quarkus-langchain4j

#Java #Quarkus #LLMSecurity #PromptInjection #LangChain4j #Architecture

💪 Zero Boilerplate #Java STDIO #MCP Servers with #LangChain4j and #jbang

You just need a single Java file.
JBang installed.
No build! No project structure. Nothing else.

Then configure your custom MCP server to use with your favorite #AI #Agent harness, like #geminicli & friends!

The #langchain4j project recently added a simple #MCP STDIO server.
So you don't need the big guns like
@quarkusio @micronaut & friends for simple MCP servers.

https://glaforge.dev/posts/2026/02/11/zero-boilerplate-java-stdio-mcp-servers-with-langchain4j-and-jbang/

Excited for #JCON EUROPE 2026? See Marco Belladelli at #JCON2026 in Cologne talking about 'Talk to Your #Data: Natural Language Data Access in #Java with #Hibernate #Quarkus and #LangChain4j'

Explore how Hibernate ORM, Quarkus, and …

🎟️ 2026.europe.jcon.one/tickets
Free for #JUG members

LangChain4j has crossed an important line:
from “interesting library” → production Java AI infrastructure.

I wrote a long-form guide with 50 LangChain4j interview questions, covering:
• AI Services
• RAG & embeddings
• Tools & agents
• Memory & context limits
• Observability, cost, and security

Written from a production Java perspective — not Python demos.

https://www.the-main-thread.com/p/langchain4j-interview-questions-java

#Java #LangChain4j #AIinJava #EnterpriseJava #RAG #LLM #SoftwareArchitecture #DevExperience

Thanks, @agoncal, for an entertaining and very informative #BeJUG session at #SweetMustard! He demonstrated how to build a production-ready chatbot from scratch using #LangChain4j, progressing from basic chat functionality to a sophisticated AI assistant with memory, content moderation, document retrieval (RAG), and business integration.

Au #SnowCamp j'ai eu le plaisir de donner une conférence avec
@emmanuelbernard sur les 𝗽𝗿𝗼𝘁𝗼𝗰𝗼𝗹𝗲𝘀 𝗲𝘁 𝘀𝘁𝗮𝗻𝗱𝗮𝗿𝗱𝘀 𝗽𝗼𝘂𝗿 𝗹𝗲𝘀 𝗮𝗴𝗲𝗻𝘁𝘀 𝗜𝗔, avec un focus sur #MCP et #A2A

Tous les liens vers les slides, les repos GitHub avec nos démos, sont disponibles ici :

https://glaforge.dev/talks/2026/01/16/on-ai-standards-and-protocols-focus-on-mcp-and-a2a/

En plus, avec du ☕️ #java dedans, avec #micronaut, #quarkus, #langchain4j et #ADKjava.

Aucun 🐍 Python en vue !

As a #Java developer, there’s no need to learn a new language to start building AI-infused apps!

With the #opensource project #LangChain4j, you can manage interactions with #LLMs - handling chat memory to keep requests efficient, focused & cost-effective.

This #InfoQ article covers the essential concepts you need to begin building intelligent, responsive Enterprise #JavaApps with #AI.

Read more ⇨ https://bit.ly/4oNmLqH

#AI #Quarkus #SoftwareDevelopment

We have our end of the year present for you: langchain4j-cdi 1.0.0 is out !!!!
Thanks to @[email protected] @[email protected] Arjav Desai @[email protected] for making this first final release a reality !!! #langchain4j #cdi #microprofile #jakartaee #ai #java

New hands-on tutorial on The Main Thread 🚀

I built a real-time emotion detector in Java using #Quarkus, #JavaCV, #WebSocketsNext, and #LangChain4j.

The pipeline streams webcam frames → detects faces locally → sends only the cropped face to a multimodal LLM (GPT-4o/Gemini) for emotion classification.

High-throughput + low latency = fun and surprisingly practical.

👉 https://www.the-main-thread.com/p/real-time-emotion-detection-quarkus-langchain4j-webcam

#JavaDevelopers #AIPipelines #MultimodalAI #FaceDetection

Just shipped a deep-dive for Java devs who want real stateful LLM apps.
Persistent memory. Sliding windows. Multi-session isolation.
All powered by Quarkus + LangChain4j + JPA.

If you want your AI assistant to remember across pods and restarts, this tutorial will get you there.

🔗 https://www.the-main-thread.com/p/persistent-llm-memory-java-quarkus-langchain4j-tutorial

#Java #Quarkus #LangChain4j #AIEngineering #LLMApps #OpenSource