LLMs د انټرنېټ Endpoints په توګه: د LangChain4j چیټ سره Apache Camel Routes جوړ کړئ

د AI ځانګړتیاوو جوړولو ساده دی، د دې پورې چې تاسو باید دوی په تولید سیسټم کې یوځای کړئ. په تولید کې، یو ساده "د یو LLM" اغیزمن شي: د HTTP / JMS / Kafka / فایل انټرنټونه، د وختونو د اغیزو، retries، fallbacks، د داخلي ډاټا سرچینو څخه د کنټرول سټیشن، د رازونو ساتنه، د دې لپاره چې دا ازمايښتل شي د API کریډیټونو د بریښنا له امله، او د سیسټم تضمین کوي چې کله چې ستونزې په ورځو کې ترسره کیږي. دا هغه ځای دی چې د Apache Camel غوره کوي. د Camel 4.5 او وروسته سره، تاسو کولی شئ د LLM تماسونو په توګه د معياري انټرنټ پایلې په کارولو سره camel-langchain4j-chat، چې د LangChain4j لخوا کارول کیږي. په دې لارښوونې کې، تاسو به د جاوا 21 او Gradle پروژې جوړ کړئ چې ډیزاین کوي: د واحد پیغام چیټ (CHAT_SINGLE_MESSAGE) د نمونې + متغیرونه (CHAT_SINGLE_MESSAGE_WITH_PROMPT) د چټی تاریخ (CHAT_MULTIPLE_MESSAGES) د Camel Content Enricher سره RAG (EIP + aggregator ستراتیژۍ) د headers له لارې RAG (د ساده "inject context" لارښوونې) د Mock موډل له دې امله چې هر څه په CI کې د API کلیدونو پرته کارول کیږي. تاسو به د يو پروژې سره بشپړ کړئ چې تاسو کولی شئ د حقیقي انډول کولو جریانونو لپاره د بنسټ په توګه کار واخلئ، د خپل کوډ بیس په "د سپګټی فابريکه" کې بدل کړئ. چې موږ جوړ یو کوچني چلول وړ CLI اپلیکیشن چې د Camel Main (نه Spring اړتیا لري) پیل کوي او د پنج ډیمو چلوي: یوځای چټک د تاریخ رګینګ د سرټینټ تاسو کولی شئ دوی ټول یا یو په یوه وخت کې د امر لائن څخه چلول. اړتیاوې د جاوا 21 د اساسي Apache Camel آشنایی (Routes، مستقیم: Endpoints، ProducerTemplate) اختیاري: د OpenAI API کلید (د لارښوونې په بشپړه توګه پرته کار کوي) په یوه انځور کې د آرژانتیک دلته د ذهني ماډل دی: د RAG لپاره، Camel د LLM په تماس کې مخکې د تبادلې پراختیا کوي: د پروژې نصب تکنالوژۍ Stack د جاوا 21 Apache کیمیل 4.17.0 د نندارتون په اړه 1.10.0 د ګرځنده 8.x OpenAI GPT-4o-mini (د انتخاب)' د فورمه جوړښت camel-langchain4j-chat-demo/ ├── build.gradle ├── settings.gradle ├── src/ │ ├── main/ │ │ ├── java/com/example/langchain4j/ │ │ │ ├── App.java │ │ │ ├── ChatRoutes.java │ │ │ ├── MockChatModel.java │ │ │ └── ModelFactory.java │ │ └── resources/ │ │ ├── application.properties │ │ └── logback.xml │ └── test/ │ └── java/com/example/langchain4j/ │ └── ChatRoutesTest.java └── README.md مرحله 1: د ګرځنده نصب جوړ کړئ : build.gradle plugins { id 'java' id 'application' }

group = 'com.example' version = '1.0.0'

java { toolchain { languageVersion = JavaLanguageVersion.of(21) } }

application { mainClass = 'com.example.langchain4j.App' }

repositories { mavenCentral() }

dependencies { implementation 'org.apache.camel:camel-core:4.17.0' implementation 'org.apache.camel:camel-main:4.17.0' implementation 'org.apache.camel:camel-langchain4j-chat:4.17.0' implementation 'dev.langchain4j:langchain4j-core:1.10.0' implementation 'dev.langchain4j:langchain4j-open-ai:1.10.0' implementation 'ch.qos.logback:logback-classic:1.5.15' testImplementation 'org.junit.jupiter:junit-jupiter:5.11.4' testImplementation 'org.apache.camel:camel-test-junit5:4.17.0' testImplementation 'org.assertj:assertj-core:3.27.3' }

test { useJUnitPlatform() } او : settings.gradle rootProject.name = 'camel-langchain4j-chat-demo' مرحله 2: د ترتیب او لوژنه application.properties # Application Mode (mock or openai) app.mode=openai

# OpenAI Configuration (only used when app.mode=openai) openai.apiKey=sk-***** openai.modelName=gpt-4o-mini openai.temperature=0.3

# Apache Camel Configuration camel.main.name=camel-langchain4j-chat-demo camel.main.duration-max-seconds=0 camel.main.shutdown-timeout=30

# Logging Configuration logging.level.root=INFO logging.level.org.apache.camel=INFO logging.level.com.example.langchain4j=DEBUG logback.xml %d{HH:mm:ss.SSS} [%thread] %-5level %logger{36} - %msg%n

مرحله 3: د تولید دوستانه "Mock Mode" (د API کلید اړتیا نلري) که تاسو غواړئ چې دا د ګرځنده ډیمو څخه ډیر وي، تاسو اړتیا لرئ چې دا د بهرني بستې له لارې چلند وکړي. له دې امله موږ د A : deterministic MockChatModel MockChatModel.java package com.example.langchain4j;

import dev.langchain4j.data.message.AiMessage; import dev.langchain4j.data.message.ChatMessage; import dev.langchain4j.model.chat.ChatModel; import dev.langchain4j.model.chat.request.ChatRequest; import dev.langchain4j.model.chat.response.ChatResponse;

/** * Mock implementation of ChatModel for testing and demo without API keys. */ public class MockChatModel implements ChatModel {

@Override public ChatResponse chat(ChatRequest request) { StringBuilder response = new StringBuilder("[MOCK] Responding to: "); if (request != null && request.messages() != null && !request.messages().isEmpty()) { ChatMessage lastMessage = request.messages().get(request.messages().size() - 1); // Use text() method which should exist String userText = ""; try { userText = (String) lastMessage.getClass().getMethod("text").invoke(lastMessage); } catch (Exception e) { userText = lastMessage.toString(); } // Generate deterministic response based on content if (userText.contains("recipe") || userText.contains("dish")) { response.append("Here's a delicious recipe with your requested ingredients!"); } else if (userText.contains("Apache Camel")) { response.append("Apache Camel is a powerful integration framework!"); } else if (userText.contains("capital")) { response.append("Paris is the capital of France."); } else { response.append("I understand your question about: ").append(userText.substring(0, Math.min(50, userText.length()))); } } else { response.append("Hello! I'm a mock AI assistant."); } return ChatResponse.builder() .aiMessage(new AiMessage(response.toString())) .build(); } } د تولید په اړه څه مهم دی: CI / CD چلندونه د LLM اړتیا نلري. د واحد ټیسټونه ثابته دي. انجنيرونه کولی شي offline کار وکړي. تاسو کولی شئ د پیسو لګښت (Routing، RAG، Templates) د پیسو خرچولو مخکې تایید کړئ. مرحله 4: په Runtime کې د موډل غوره کول (OpenAI یا Mock) ModelFactory.java package com.example.langchain4j;

import dev.langchain4j.model.chat.ChatModel; import dev.langchain4j.model.openai.OpenAiChatModel; import org.slf4j.Logger; import org.slf4j.LoggerFactory;

import java.time.Duration;

/** * Factory to create ChatModel instances based on configuration. */ public class ModelFactory { private static final Logger log = LoggerFactory.getLogger(ModelFactory.class);

public static ChatModel createChatModel(String mode, String apiKey, String modelName, Double temperature) { if ("openai".equalsIgnoreCase(mode) && apiKey != null && !apiKey.isEmpty()) { log.info("Creating OpenAI chat model with model: {}", modelName); return OpenAiChatModel.builder() .apiKey(apiKey) .modelName(modelName) .temperature(temperature) .timeout(Duration.ofSeconds(60)) .build(); } else { log.info("Creating Mock chat model (API key not provided or mode is mock)"); return new MockChatModel(); } } } پړاو 5: د کیمیل ریلونه (د هغه ځای کې چې د AI د "څوک بل پای ته ورسیږي") د Camel برخې URI ښکاري: langchain4j-chat:chatId?chatModel=#beanName&chatOperation=OPERATION chatId یوازې یو identifier ده chatModel=#chatModel په Camel ریکارډ کې یو بون ته اشاره کوي chatد عملیاتو د رفتار کنټرول کوي ChatRoutes.java package com.example.langchain4j;

import dev.langchain4j.data.message.AiMessage; import dev.langchain4j.data.message.ChatMessage; import dev.langchain4j.data.message.SystemMessage; import dev.langchain4j.data.message.UserMessage; import dev.langchain4j.rag.content.Content; import org.apache.camel.AggregationStrategy; import org.apache.camel.Exchange; import org.apache.camel.builder.RouteBuilder; import org.apache.camel.component.langchain4j.chat.LangChain4jChat;

import java.util.ArrayList; import java.util.List; import java.util.Map;

/** * Apache Camel routes demonstrating camel-langchain4j-chat component usage. */ public class ChatRoutes extends RouteBuilder {

@Override public void configure() throws Exception { // Demo 1: CHAT_SINGLE_MESSAGE - Simple question/answer from("direct:single") .log("Demo 1: Single message - Input: ${body}") .to("langchain4j-chat:demo?chatModel=#chatModel&chatOperation=CHAT_SINGLE_MESSAGE") .log("Demo 1: Response: ${body}");

// Demo 2: CHAT_SINGLE_MESSAGE_WITH_PROMPT - Using prompt template with variables from("direct:prompt") .log("Demo 2: Prompt template - Variables: ${body}") .process(exchange -> { // Set the prompt template in header String template = "Create a recipe for a {{dishType}} with these ingredients: {{ingredients}}"; exchange.getIn().setHeader("CamelLangChain4jChatPromptTemplate", template); }) .to("langchain4j-chat:demo?chatModel=#chatModel&chatOperation=CHAT_SINGLE_MESSAGE_WITH_PROMPT") .log("Demo 2: Response: ${body}");

// Demo 3: CHAT_MULTIPLE_MESSAGES - Chat with history/context from("direct:history") .log("Demo 3: Multiple messages with history") .process(exchange -> { // Build a conversation with system message, previous context, and user question List messages = new ArrayList<>(); messages.add(new SystemMessage("You are a helpful AI assistant specialized in Apache Camel.")); messages.add(new UserMessage("What is Apache Camel?")); messages.add(new AiMessage("Apache Camel is an open-source integration framework based on enterprise integration patterns.")); messages.add(new UserMessage("What are some key features?")); exchange.getIn().setBody(messages); }) .to("langchain4j-chat:demo?chatModel=#chatModel&chatOperation=CHAT_MULTIPLE_MESSAGES") .log("Demo 3: Response: ${body}");

// Demo 4: RAG using Content Enricher pattern with LangChain4jRagAggregatorStrategy from("direct:rag-enrich") .log("Demo 4: RAG with Content Enricher - Question: ${body}") .enrich("direct:rag-source", new LangChain4jRagAggregatorStrategy()) .to("langchain4j-chat:demo?chatModel=#chatModel&chatOperation=CHAT_SINGLE_MESSAGE") .log("Demo 4: Response: ${body}");

// RAG knowledge source route from("direct:rag-source") .log("Fetching RAG knowledge...") .process(exchange -> { // Simulate fetching relevant documents/snippets List knowledgeSnippets = new ArrayList<>(); knowledgeSnippets.add("Apache Camel 4.x introduced the concept of lightweight mode for faster startup."); knowledgeSnippets.add("The camel-langchain4j-chat component supports multiple chat operations including single message, prompt templates, and chat history."); knowledgeSnippets.add("LangChain4j integration allows Camel routes to interact with various LLM providers like OpenAI, Azure OpenAI, and more."); exchange.getIn().setBody(knowledgeSnippets); });

// Demo 5: RAG using CamelLangChain4jChatAugmentedData header from("direct:rag-header") .log("Demo 5: RAG with header - Question: ${body}") .process(exchange -> { String question = exchange.getIn().getBody(String.class); // Create augmented data content List augmentedData = new ArrayList<>(); augmentedData.add(Content.from("Apache Camel version 4.0 was released in 2023 with major improvements.")); augmentedData.add(Content.from("The LangChain4j component enables AI-powered integration patterns in Camel routes.")); // Set augmented data in header exchange.getIn().setHeader("CamelLangChain4jChatAugmentedData", augmentedData); // Reset body to the question exchange.getIn().setBody(question); }) .to("langchain4j-chat:demo?chatModel=#chatModel&chatOperation=CHAT_SINGLE_MESSAGE") .log("Demo 5: Response: ${body}"); } /** * Custom aggregation strategy for RAG pattern using Content Enricher. */ private static class LangChain4jRagAggregatorStrategy implements AggregationStrategy { @Override public Exchange aggregate(Exchange original, Exchange resource) { String question = original.getIn().getBody(String.class); List knowledgeSnippets = resource.getIn().getBody(List.class); // Build augmented prompt with context StringBuilder augmentedPrompt = new StringBuilder(); augmentedPrompt.append("Context:\n"); for (String snippet : knowledgeSnippets) { augmentedPrompt.append("- ").append(snippet).append("\n"); } augmentedPrompt.append("\nQuestion: ").append(question); original.getIn().setBody(augmentedPrompt.toString()); return original; } } } چرا د کیمیل لارښوونې ګټور دی کیمیل تاسو ته ورکوي (Enterprise Integration Patterns) چې په ښکلي ډول د AI لپاره کارول کیږي: EIPs د Content Enricher → RAG د سیلیکون بریکر → LLM Resilience Throttling د لګښت کنترول Dead letter چینل → fault routing Idempotency → د ورته غوښتنې دوه ځله پروسس نه کوي تاسو اړتیا نلري چې د نوي آرکټیکټریټونه وکاروي. تاسو د تصدیق شوي انټرنېټ موډلونه وکاروي. مرحله 6: Bootstrapping کیمیل اصلي + Running ډیمو App.java package com.example.langchain4j;

import dev.langchain4j.model.chat.ChatModel; import org.apache.camel.CamelContext; import org.apache.camel.ProducerTemplate; import org.apache.camel.main.Main; import org.slf4j.Logger; import org.slf4j.LoggerFactory;

import java.util.HashMap; import java.util.Map;

/** * Main application class demonstrating Apache Camel LangChain4j Chat component. */ public class App { private static final Logger log = LoggerFactory.getLogger(App.class);

public static void main(String[] args) throws Exception { Main main = new Main(); // Configure Camel Main main.configure().addRoutesBuilder(new ChatRoutes()); // Initialize Camel context first (without starting routes) main.init(); CamelContext camelContext = main.getCamelContext(); // Read configuration from properties String mode = camelContext.resolvePropertyPlaceholders("{{app.mode}}"); String apiKey = System.getenv("OPENAI_API_KEY"); if (apiKey == null || apiKey.isEmpty()) { apiKey = camelContext.resolvePropertyPlaceholders("{{openai.apiKey}}"); } String modelName = camelContext.resolvePropertyPlaceholders("{{openai.modelName}}"); Double temperature = Double.parseDouble(camelContext.resolvePropertyPlaceholders("{{openai.temperature}}")); // Create and register ChatModel BEFORE starting routes ChatModel chatModel = ModelFactory.createChatModel(mode, apiKey, modelName, temperature); camelContext.getRegistry().bind("chatModel", chatModel); log.info("=".repeat(80)); log.info("Apache Camel LangChain4j Chat Demo"); log.info("Mode: {}", mode); log.info("=".repeat(80)); // Now start Camel main.start(); try { // Determine which demo(s) to run String demoMode = args.length > 0 ? args[0] : "all"; ProducerTemplate template = camelContext.createProducerTemplate(); switch (demoMode.toLowerCase()) { case "single": runSingleMessageDemo(template); break; case "prompt": runPromptTemplateDemo(template); break; case "history": runChatHistoryDemo(template); break; case "rag-enrich": runRagEnrichDemo(template); break; case "rag-header": runRagHeaderDemo(template); break; case "all": default: runAllDemos(template); break; } log.info("=".repeat(80)); log.info("Demo completed! Shutting down..."); log.info("=".repeat(80)); } finally { // Shutdown after demos complete main.stop(); } } private static void runAllDemos(ProducerTemplate template) { runSingleMessageDemo(template); runPromptTemplateDemo(template); runChatHistoryDemo(template); runRagEnrichDemo(template); runRagHeaderDemo(template); } private static void runSingleMessageDemo(ProducerTemplate template) { log.info("\n" + "=".repeat(80)); log.info("DEMO 1: CHAT_SINGLE_MESSAGE"); log.info("=".repeat(80)); String question = "What is the capital of France?"; String response = template.requestBody("direct:single", question, String.class); log.info("Question: {}", question); log.info("Answer: {}", response); } private static void runPromptTemplateDemo(ProducerTemplate template) { log.info("\n" + "=".repeat(80)); log.info("DEMO 2: CHAT_SINGLE_MESSAGE_WITH_PROMPT (Prompt Template)"); log.info("=".repeat(80)); Map variables = new HashMap<>(); variables.put("dishType", "pasta"); variables.put("ingredients", "tomatoes, garlic, basil, olive oil"); String response = template.requestBody("direct:prompt", variables, String.class); log.info("Template: Create a recipe for a {{dishType}} with these ingredients: {{ingredients}}"); log.info("Variables: {}", variables); log.info("Answer: {}", response); } private static void runChatHistoryDemo(ProducerTemplate template) { log.info("\n" + "=".repeat(80)); log.info("DEMO 3: CHAT_MULTIPLE_MESSAGES (Chat History)"); log.info("=".repeat(80)); log.info("Building conversation with context..."); String response = template.requestBody("direct:history", null, String.class); log.info("Final Answer: {}", response); } private static void runRagEnrichDemo(ProducerTemplate template) { log.info("\n" + "=".repeat(80)); log.info("DEMO 4: RAG with Content Enricher Pattern"); log.info("=".repeat(80)); String question = "What's new in Apache Camel 4.x?"; String response = template.requestBody("direct:rag-enrich", question, String.class); log.info("Question: {}", question); log.info("Answer (with RAG context): {}", response); } private static void runRagHeaderDemo(ProducerTemplate template) { log.info("\n" + "=".repeat(80)); log.info("DEMO 5: RAG with CamelLangChain4jChatAugmentedData Header"); log.info("=".repeat(80)); String question = "Tell me about the LangChain4j integration in Camel"; String response = template.requestBody("direct:rag-header", question, String.class); log.info("Question: {}", question); log.info("Answer (with augmented data): {}", response); } } د چلولو Build + Run ټول ډیمو (Mock Mode) ./gradlew clean test ./gradlew run یو ډیمو چلولو ./gradlew run --args="prompt" ./gradlew run --args="rag-enrich" د OpenAI موډل فعال کړئ اختیاري A (د مالونو): app.mode=openai openai.apiKey=sk-... د B اختیاري (تولید شوی): د چاپیریال متغیر Windows (PowerShell) setx OPENAI_API_KEY "sk-..." بيا په تاسو کولی شئ د ځای په کارولو: application.properties openai.apiKey=${OPENAI_API_KEY:} د نندارتون نندارتون (Mock Mode) تاسو به وګورئ څرنګه لکه: === DEMO 1: CHAT_SINGLE_MESSAGE === Q: What is the capital of France? A: [MOCK] The capital of France is Paris. غوره عملیاتو (د هغه څه چې تاسو به وروسته په لټه کې وي) 1) هیڅکله سخت کوډ API کلیدونه نه د چاپیریال متغیرونه یا یو راز مدیریت کارول. حتی په ډیمو کې، د نمونې تنظیم کړئ. openai.apiKey=${OPENAI_API_KEY:} 2) د وختونو او مقاومت مخکې اضافه کړئ LLMs د شبکې د تماسونو دي. د دوی په څیر د هر بستې په څیر درملنه: د وختونو، retries، fallback. په کیمیل کې، دا معمولا به وي: Timeout() / circuitBreaker() (د Resilience4j) onException() د کنټرول شوي ناکامۍ پړاو لپاره throttle() ته د بودجه او upstream محدودیتونه ساتنه 3) د نندارتونونو د ورژنونو او externalized ساتنه Prompts "د سوداګرۍ منطق" دي. دوی په تصادفي روشونو کې د string په توګه دفن نه کړئ. په لږ تر لږه: د پلور لپاره Templates in او دوی ته ورسئ، یا دوی د ویډیو ګټو په توګه مدیریت کړئ. resources/ 4) د تیلو د ساتنې لپاره د Mock Mode + ټیسټونه کارئ ستاسو د LLM کوډ باید د شبکې د تماس پرته ازمايښت شي. دا څه ده تاسو ته ورکړئ MockChatModel د سړکونو ازموينه Unit ChatRoutesTest.java package com.example.langchain4j;

import dev.langchain4j.data.message.UserMessage; import dev.langchain4j.model.chat.request.ChatRequest; import dev.langchain4j.model.chat.response.ChatResponse; import org.apache.camel.CamelContext; import org.apache.camel.ProducerTemplate; import org.apache.camel.builder.RouteBuilder; import org.apache.camel.test.junit5.CamelTestSupport; import org.junit.jupiter.api.Test;

import java.util.HashMap; import java.util.List; import java.util.Map;

import static org.assertj.core.api.Assertions.assertThat;

/** * Unit tests for ChatRoutes using MockChatModel. */ public class ChatRoutesTest extends CamelTestSupport {

@Override protected CamelContext createCamelContext() throws Exception { CamelContext context = super.createCamelContext(); // Register MockChatModel for testing context.getRegistry().bind("chatModel", new MockChatModel()); return context; }

@Override protected RouteBuilder createRouteBuilder() { return new ChatRoutes(); }

@Test public void testSingleMessage() { ProducerTemplate template = context.createProducerTemplate(); String question = "What is the capital of France?"; String response = template.requestBody("direct:single", question, String.class); assertThat(response) .isNotNull() .isNotEmpty() .contains("MOCK") .contains("capital"); }

@Test public void testPromptTemplate() { ProducerTemplate template = context.createProducerTemplate(); Map variables = new HashMap<>(); variables.put("dishType", "pasta"); variables.put("ingredients", "tomatoes, garlic, basil"); String response = template.requestBody("direct:prompt", variables, String.class); assertThat(response) .isNotNull() .isNotEmpty() .contains("MOCK") .containsAnyOf("recipe", "dish"); }

@Test public void testChatHistory() { ProducerTemplate template = context.createProducerTemplate(); String response = template.requestBody("direct:history", null, String.class); assertThat(response) .isNotNull() .isNotEmpty() .contains("MOCK"); }

@Test public void testRagEnrich() { ProducerTemplate template = context.createProducerTemplate(); String question = "What's new in Apache Camel 4.x?"; String response = template.requestBody("direct:rag-enrich", question, String.class); assertThat(response) .isNotNull() .isNotEmpty() .contains("MOCK") .containsAnyOf("Camel", "Apache"); }

@Test public void testRagHeader() { ProducerTemplate template = context.createProducerTemplate(); String question = "Tell me about LangChain4j in Camel"; String response = template.requestBody("direct:rag-header", question, String.class); assertThat(response) .isNotNull() .isNotEmpty() .contains("MOCK"); }

@Test public void testMockChatModel() { MockChatModel mockModel = new MockChatModel(); ChatRequest request = ChatRequest.builder() .messages(List.of(new UserMessage("What is Apache Camel?"))) .build(); ChatResponse response = mockModel.chat(request); assertThat(response).isNotNull(); assertThat(response.aiMessage()).isNotNull(); assertThat(response.aiMessage().text()) .contains("MOCK") .contains("Apache Camel"); } } RAG: دوه لارښوونې (د هغه وخت چې کارول کیږي) Approach How it works Best for Tradeoff ( ) Content Enricher enrich Camel pulls context from one or more routes and merges it Dynamic retrieval, multiple sources Slightly more code (strategy) ( ) Header-based AUGMENTED_DATA You directly attach known context as structured content Simple static context or already-retrieved context Less flexible for complex retrieval logic (د فورمه ) Content Enricher enrich د کیمیل د یو یا ډیری لارو څخه کنټرپورت لټون کوي او د دې سره یوځای کوي د ډيزاينیک ترلاسه کولو، څو سرچینې د کوډ څخه لږ څه زیات (Strategy) (د فورمه ) Header-based AUGMENTED_DATA تاسو په مستقیم ډول د مخکښ محتوي په توګه د معلوماتو سره تړاو کړئ ساده سټیټیک کنکشن یا اوس مهال خوندي کنکشن د پیچلي retrieval منطق لپاره لږ انعطاف په حقیقي پروژو کې، RAG اغیزمنه په دې ډول وده کوي: د headers پر بنسټ پیل کړئ (د چټک، آسانه، مخکښ) کله چې د لټون کولو د workflow وي (Vector DB، اجازهونه، rearanking) ته راځي د واقعي نړۍ د کارولو په صورت کې (چې دا نمونې مناسب دی) کله چې تاسو په آرامۍ سره ، د ورته جوړښت صلاحیتونه: camel-langchain4j-chat د مشتریانو ملاتړ روټینګ (ټکټونه → context → ځواب) د سندونو پمپونه (اټکل کړئ → خلاص کړئ → ټولنه کړئ → لارښوونې) د معلوماتو غلظت (د انجنونه → وضاحت / لیبل → persist) Ops مسلکي (لوګونه / مټريکونه → RAG → د اصلاح د مراحل) د کلیدي په توګه د کیمیل دی: دا اوس د AI تماس په اړه هر څه سره اړیکه ونیسئ او orchestrate کوي. پایلې: د درملنې د LLM په څیر د ترکیبونو په څیر، نه "د ځانګړي snowflakes" تر ټولو لوی ذهني بدلون دا دی: د LLM یو اپلیکیشن نه دی. دا یو بستری - لکه د ډاټاټا، د رخصتۍ، یا API. د LLM یو اپلیکیشن نه دی. دا یو بستری - لکه د ډاټاټا، د رخصتۍ، یا API. او که تاسو دا په دې توګه د درملنې، تاسو به په طبيعي توګه جوړ کړي: د خوندیتوب د سرعت، د غلطو د کارولو ښه، د تجربو، او د انټرنېټ جریانونه چې د ډیمو څخه زیات کچه کولی شي.