#langchain4j

Quarkus Flow 1.0.0 released

Quarkus Flow 1.0.0 là bản ổn định đầu tiên của phần mở rộng reactive programming cho framework Quarkus,aimed at bringing supersonic, subatomic Java to cloud‑native applications. Nó được xây dựng trên Mutiny và Vert.x, sử dụng mô hình luồng không chặn và quản lý lifecycle của các luồng reactive qua các annotation như @Blocking và @Async. Nhờ đó, các ứng dụng có thể đạt được độ trễ thấp và throughput cao mà không cần viết mã boilerplate phức tạp, đồng thời vẫn tương thích với các chuẩn MicroProfile Reactive Streams và Reactive Manifesto. Khi sử dụng Quarkus Flow, các nhà phát triển giảm đáng kể thời gian khởi động và tiêu thụ bộ nhớ nhờ tích hợp sâu với native image của GraalVM, làm cho dịch vụ phù hợp với môi trường serverless và microservices. Điều đáng học là việc kết hợp một mô hình reactive nhẹ với khả năng biên dịch ahead‑of‑time giúp đạt được hiệu suất gần như native mà không hy sinh tính di động của Java.

Lập trình viên nên đọc bài viết này để cập nhật phiên bản mới nhất của Quarkus Flow - giải pháp lập trình hướng luồng hiệu suất cao cho các ứng dụng Java hiện đại.

Java News Roundup: Simple JSON API, GlassFish, Jakarta EE, JNoSQL, Open Liberty, LangChain4j

Tuần này, Java giới thiệu API JSON đơn giản nhắm đến JDK 28, cập nhật về Jakarta EE 12, phiên bản Open Liberty tháng 8/2026 cùng các tin tức về GlassFish, JNoSQL và LangChain4j.

Lập trình viên Java nên đọc bài này để cập nhật những tiến bộ mới nhất trong JDK 28, như việc triển khai Simple JSON API—công nghệ đơn giản hóa việc xử lý JSON—và những thay đổi trong Jakarta EE 12, giúp tối ưu hóa ứng dụng cho tương lai.

Java Weekly, Issue 657

Bản tin Java Weekly số 657 giới thiệu về dự án phim Java và thông báo Spring Cloud Contract đã có "ngôi nhà" mới.

Những thông tin về Spring Cloud Contract mới được chuyển đến nhà phát triển cộng đồng sẽ giúp bạn cập nhật kiến thức về công cụ test và giao diện API cho ứng dụng Spring Boot, từ đó tối ưu hóa chất lượng sản phẩm và tránh rủi ro trong việc tích hợp hệ thống.

Spring AI 2.0 in Practice: Adding LLM Features to a Java Web App

Bài viết hướng dẫn thực hành Spring AI 2.0, so sánh nó với LangChain4j, và triển khai ứng dụng web Java tích hợp các tính năng LLM như giao diện chat, streaming, RAG cùng quản lý chi phí token.

Lập trình viên Java muốn nhanh chóng tích hợp trí tuệ nhân tạo vào ứng dụng web của mình mà không cần kiến thức sâu về mô hình LLM mà vẫn có thể xây dựng giải pháp hiệu quả, thực hành và tối ưu hóa chi phí token.

Introduction to Retrieval-Augmented Generation with Java and MongoDB

Các tổ chức hiện đại lưu trữ khối lượng lớn thông tin dưới dạng tài liệu, cơ sở dữ liệu, nền tảng nội bộ, hệ thống hỗ trợ, chính sách và công cụ vận hành.

Lập trình viên cần đọc bài này để hiểu cách kết hợp retrieval-augmented generation (RAG)—một kỹ thuật mới—với Java và MongoDB để cải thiện hiệu quả của hệ thống AI/ML bằng cách kết hợp dữ liệu từ cơ sở dữ liệu với các mô hình ngôn ngữ tự nhiên, giúp xử lý yêu cầu phức tạp một cách nhanh chóng và chính xác hơn.

Building Intelligent Document Processing with Apache Camel, Docling and LangChain4j

Xây dựng hệ thống xử lý tài liệu thông minh bằng cách kết hợp Apache Camel, Docling và LangChain4j.

Lập trình viên muốn xây dựng hệ thống tích hợp xử lý văn bản thông minh từ các công cụ giao tiếp dữ liệu và AI như Camel, Docling, và LangChain4j để tự động hóa quy trình xử lý tài liệu phức tạp với hiệu suất cao và linh hoạt.

The Self-Building Agent: A LangChain4j Experiment

Một thí nghiệm sử dụng LangChain4j cho thấy trợ lý lập trình có thể tự động thiết kế hệ thống mã hóa, viết lại và gỡ lỗi code đồng thời so sánh hai cách tiếp cận kiến trúc khác nhau.

Lập trình viên nên đọc bài này để hiểu cách LangChain4j giúp tự động hóa quá trình phân tích, so sánh và tối ưu hóa kiến trúc mã, mở rộng khả năng tự động hóa và hiệu quả trong việc phát triển, debug và cải tiến hệ thống phức tạp.

Java News Roundup: Value Objects, WildFly 41, TornadoVM, LangChain4j, Oracle AI Agent Studio

This week's Java roundup for July 13th, 2026, features news highlighting: a reintroduction of Value Objects (Preview); the GA release of WildFly 41; the July 2026 edition of Open Liberty 26.0.0.7; poi

Guardrails with OPA Policies in Quarkus LangChain4j

Bài viết hướng dẫn cách thêm guardrails đầu vào cho ứng dụng Quarkus sử dụng LangChain4j bằng cách tích hợp Open Policy Agent (OPA) với các policy viết bằng Rego và biên dịch sang WebAssembly. Khi một prompt đến, OPA trước tiên thực hiện so sánh chuỗi chính xác và regex (deterministic pattern matching) trong thời gian dưới 1 ms và chi phí gần zero; nếu kết quả rõ ràng (allow/block) thì trả về ngay. Nếu tín hiệu từ các quy tắc Rego yếu (ví dụ không khớp exact hoặc regex), OPA gọi một builtin tùy chỉnh chuyển điểm số cho một mô hình LLM thứ hai để quyết định cuối cùng, cho phép xử lý các trường hợp mơ hồ mà vẫn giữ hiệu suất cao cho phần lớn request. Các test thực tế minh họa ba đường đi: chặn ngay (instant block), cho phép ngay (instant allow) và chặn sau khi LLM đánh giá (LLM‑escalated block), đồng thời cung cấp mã Java đầy đủ, đoạn Rego, lệnh build và ví dụ chạy live. Bài học chính là việc kết hợp kiểm tra tĩnh nhanh với cơ chế fallback LLM giúp giảm thiểu tấn công prompt injection mà không làm giảm throughput, và việc biên dịch OPA sang Wasm qua Styra OPA Java SDK làm cho việc tích hợp vào Quarkus trở nên đơn giản và hiệu quả.

Bài viết này hướng dẫn bạn cách triển khai hệ thống bảo vệ LLM hiệu quả bằng cách kết hợp OPA với LangChain4j trong Quarkus, giúp phát hiện tấn công prompt injection nhanh chóng và xử lý các trường hợp phức tạp bằng LLM dự phòng.