LangChain4j Глосарій

March 2, 2026 · View on GitHub

Зміст

Швидкий довідник термінів і понять, що використовуються протягом курсу.

Основні поняття

AI Agent – Система, що використовує ШІ для автономного мислення та дій. Модуль 04

Chain – Послідовність операцій, де вихід є вхідним для наступного кроку.

Chunking – Розбиття документів на менші частини. Типово: 300-500 токенів з перекриттям. Модуль 03

Context Window – Максимальна кількість токенів, які модель може обробити. GPT-5.2: 400К токенів (до 272К вхідних, 128К вихідних).

Embeddings – Числові вектори, що представляють зміст тексту. Модуль 03

Function Calling – Модель генерує структуровані запити для виклику зовнішніх функцій. Модуль 04

Hallucination – Коли моделі генерують некоректну, але правдоподібну інформацію.

Prompt – Текстовий вхід до мовної моделі. Модуль 02

Semantic Search – Пошук за значенням через embeddings, а не ключовими словами. Модуль 03

Stateful vs Stateless – Stateless: без пам’яті. Stateful: зберігає історію розмови. Модуль 01

Tokens – Основні текстові одиниці, які обробляють моделі. Впливають на вартість і обмеження. Модуль 01

Tool Chaining – Послідовне виконання інструментів, де вихід інформує наступний виклик. Модуль 04

Компоненти LangChain4j

AiServices – Створює типобезпечні інтерфейси AI-сервісів.

OpenAiOfficialChatModel – Єдиний клієнт для моделей OpenAI та Azure OpenAI.

OpenAiOfficialEmbeddingModel – Створює embeddings з використанням офіційного клієнта OpenAI (підтримує OpenAI і Azure OpenAI).

ChatModel – Основний інтерфейс для мовних моделей.

ChatMemory – Зберігає історію розмови.

ContentRetriever – Знаходить релевантні частини документів для RAG.

DocumentSplitter – Розбиває документи на шматки.

EmbeddingModel – Конвертує текст у числові вектори.

EmbeddingStore – Зберігає та отримує embeddings.

MessageWindowChatMemory – Зберігає ковзаюче вікно останніх повідомлень.

PromptTemplate – Створює повторно використовувані промпти з заповнювачами {{variable}}.

TextSegment – Текстовий фрагмент з метаданими. Використовується в RAG.

ToolExecutionRequest – Представляє запит на виконання інструменту.

UserMessage / AiMessage / SystemMessage – Типи повідомлень у розмові.

Поняття AI/ML

Few-Shot Learning – Надання прикладів у промптах. Модуль 02

Large Language Model (LLM) – AI-моделі, навчені на великому обсязі тексту.

Reasoning Effort – Параметр GPT-5.2, що контролює глибину мислення. Модуль 02

Temperature – Контролює випадковість виходу. Низьке=детерміноване, високе=креативне.

Vector Database – Спеціалізована база даних для embeddings. Модуль 03

Zero-Shot Learning – Виконання завдань без прикладів. Модуль 02

Охоронні Механізми - Модуль 00

Defense in Depth – Багаторівневий підхід безпеки, що поєднує охоронні механізми на рівні застосунку та фільтри безпеки провайдера.

Hard Block – Провайдер повертає помилку HTTP 400 за серйозні порушення контенту.

InputGuardrail – Інтерфейс LangChain4j для валідації користувацького вводу перед надсиланням до LLM. Зберігає кошти та затримку, блокуючи небезпечні промпти на ранньому етапі.

InputGuardrailResult – Тип повернення результату валідації guardrail: success() або fatal("причина").

OutputGuardrail – Інтерфейс для валідації відповідей AI перед поверненням користувачам.

Provider Safety Filters – Вбудовані фільтри контенту від AI-провайдерів (наприклад, GitHub Models), які перехоплюють порушення на рівні API.

Soft Refusal – Модель ввічливо відмовляється відповідати без генерації помилки.

Проєктування промптів - Модуль 02

Chain-of-Thought – Крок за кроком міркування для підвищення точності.

Constrained Output – Примусовий специфічний формат або структура.

High Eagerness – Шаблон GPT-5.2 для детального мислення.

Low Eagerness – Шаблон GPT-5.2 для швидких відповідей.

Multi-Turn Conversation – Підтримка контексту між обмінами.

Role-Based Prompting – Встановлення персоналії моделі через системні повідомлення.

Self-Reflection – Модель оцінює та покращує власний вихід.

Structured Analysis – Фіксована рамка оцінювання.

Task Execution Pattern – План → Виконати → Підсумувати.

RAG (генерація з доповненням пошуком) - Модуль 03

Document Processing Pipeline – Завантажити → розбити → вбудувати → зберегти.

In-Memory Embedding Store – Тимчасове сховище для тестування.

RAG – Поєднує пошук і генерацію для обґрунтованих відповідей.

Similarity Score – Оцінка (0-1) семантичної схожості.

Source Reference – Метадані про отриманий контент.

Агенти та Інструменти - Модуль 04

@Tool Annotation – Позначає Java-методи як AI-викликувані інструменти.

ReAct Pattern – Міркувати → Діяти → Спостерігати → Повторювати.

Session Management – Окремі контексти для різних користувачів.

Tool – Функція, яку може викликати AI агент.

Tool Description – Документація цілей і параметрів інструменту.

Модуль Агента - Модуль 05

@Agent Annotation – Позначає інтерфейси як AI-агенти з декларативним визначенням поведінки.

Agent Listener – Хук для моніторингу виконання агента через beforeAgentInvocation() та afterAgentInvocation().

Agentic Scope – Спільна пам’ять, де агенти зберігають результати з параметром outputKey для використання іншими агентами.

AgenticServices – Фабрика для створення агентів через agentBuilder() і supervisorBuilder().

Conditional Workflow – Маршрутизація за умови до різних спеціалізованих агентів.

Human-in-the-Loop – Патерн робочого процесу з людськими перевірками для затвердження або перегляду контенту.

langchain4j-agentic – Maven-залежність для декларативного створення агентів (експериментально).

Loop Workflow – Повторення виконання агента доти, доки не буде досягнуто умову (наприклад, оцінка якості ≥ 0.8).

outputKey – Параметр анотації агента, що визначає, де зберігаються результати у Agentic Scope.

Parallel Workflow – Одночасний запуск кількох агентів для незалежних завдань.

Response Strategy – Як супервайзер формує остаточну відповідь: LAST, SUMMARY або SCORED.

Sequential Workflow – Виконання агентів послідовно, де вихід переходить до наступного кроку.

Supervisor Agent Pattern – Розширений патерн, де супервайзер LLM динамічно вирішує, які підагенти викликати.

Протокол Контексту Моделі (MCP) - Модуль 05

langchain4j-mcp – Maven-залежність для інтеграції MCP у LangChain4j.

MCP – Model Context Protocol: стандарт підключення AI-застосунків до зовнішніх інструментів. Побудуй один раз, використовуй скрізь.

MCP Client – Застосунок, який підключається до MCP-сервера для виявлення та використання інструментів.

MCP Server – Сервіс, що надає інструменти через MCP із чіткими описами і схемами параметрів.

McpToolProvider – Компонент LangChain4j, що обгортає MCP-інструменти для використання у AI-сервісах та агентах.

McpTransport – Інтерфейс для зв’язку MCP. Імплементації включають Stdio та HTTP.

Stdio Transport – Локальний процесний транспорт через stdin/stdout. Корисний для доступу до файлової системи чи командних інструментів.

StdioMcpTransport – Імплементація LangChain4j, що запускає MCP-сервер як підпроцес.

Tool Discovery – Клієнт запитує сервер про доступні інструменти з описами і схемами.

Сервіси Azure - Модуль 01

Azure AI Search – Хмарний пошук з векторними можливостями. Модуль 03

Azure Developer CLI (azd) – Розгортання ресурсів Azure.

Azure OpenAI – Корпоративний AI-сервіс Microsoft.

Bicep – Мова інфраструктури як коду для Azure. Інструкція з інфраструктури

Deployment Name – Ім’я розгортання моделі в Azure.

GPT-5.2 – Остання модель OpenAI з контролем міркувань. Модуль 02

Тестування та Розробка - Керівництво з тестування

Dev Container – Контейнеризоване середовище розробки. Конфігурація

GitHub Models – Безкоштовний майданчик AI-моделей. Модуль 00

In-Memory Testing – Тестування з використанням пам’яті.

Integration Testing – Тестування з реальною інфраструктурою.

Maven – Інструмент автомації збірки Java.

Mockito – Фреймворк для мокування в Java.

Spring Boot – Фреймворк для Java-застосунків. Модуль 01

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, просимо враховувати, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний переклад людиною. Ми не несемо відповідальності за будь-які непорозуміння чи неправильні тлумачення, що виникли внаслідок використання цього перекладу.