# langchain4j-rag-implementation-patterns

Скилл для ИИ-кодинга, который разворачивает RAG-пайплайны на LangChain4j: загрузка документов, эмбеддинги, векторный поиск и ответы по базе знаний.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 3700 установок · ★ 363
- Автор: giuseppe-trisciuoglio
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/giuseppe-trisciuoglio/developer-kit/tree/HEAD/plugins/developer-kit-java/skills/langchain4j-rag-implementation-patterns/SKILL.md
- Обновлён: 2026-09-10
- HTML: https://affpapa.org/nevibecode/skills/langchain4j-rag-implementation-patterns

## Что делает

Скилл даёт агенту готовые шаблоны кода для RAG-систем на Java и LangChain4j. Он собирает конфигурацию Spring Boot с зависимостями `langchain4j-spring-boot-starter` и `langchain4j-open-ai`, сервис загрузки документов, хранилище эмбеддингов и ретривер контента. Внутри есть проверки: после загрузки агент сверяет число эмбеддингов с числом сегментов и прогоняет тестовый запрос, чтобы убедиться, что поиск работает.

Агенту разрешены только `Read`, `Write` и `Bash`, так что он пишет файлы и запускает сборку, но не лезет в сеть сам. Для работы нужен ключ `OPENAI_API_KEY` в переменных окружения: модель эмбеддингов `text-embedding-3-small` берёт его оттуда. Ретривер по умолчанию настроен на `maxResults(5)` и `minScore(0.7)` — если ваши документы дают низкие оценки похожести, порог придётся снижать, иначе поиск вернёт пусто.

Скилл пригодится, когда нужен чат с документами, ответы по PDF или текстовым файлам, семантический поиск по репозиторию документов. Есть примеры для базового пайплайна, мультидоменного ассистента с `@MemoryId` и иерархического RAG. Ставьте, если пишете на Java и хотите, чтобы агент не изобретал структуру проекта с нуля.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-rag-implementation-patterns -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/langchain4j-rag-implementation-patterns/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/langchain4j-rag-implementation-patterns/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-rag-implementation-patterns -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/langchain4j-rag-implementation-patterns/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-rag-implementation-patterns -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/langchain4j-rag-implementation-patterns/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install giuseppe-trisciuoglio/developer-kit langchain4j-rag-implementation-patterns
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/langchain4j-rag-implementation-patterns/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-rag-implementation-patterns -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/giuseppe-trisciuoglio/developer-kit --path plugins/developer-kit-java/skills/langchain4j-rag-implementation-patterns
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/langchain4j-rag-implementation-patterns/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-rag-implementation-patterns -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/giuseppe-trisciuoglio/developer-kit/tree/HEAD/plugins/developer-kit-java/skills/langchain4j-rag-implementation-patterns/SKILL.md

## Когда брать
- Собрать пайплайн загрузки документов с разбивкой на сегменты
- Настроить хранилище эмбеддингов и векторный поиск по нему
- Сделать ассистента, который отвечает по базе знаний и ссылается на источники
- Проверить, что после загрузки документов поиск реально находит нужные фрагменты
- Добавить семантический поиск по репозиторию PDF и текстовых файлов

## Примеры запросов агенту
- Собери RAG-сервис на LangChain4j: загрузка PDF, разбивка на сегменты, InMemoryEmbeddingStore
- Настрой ContentRetriever с minScore 0.7 и подключи его к AI-сервису с ответами по документам
- Добавь проверку: после ingest сравни число эмбеддингов с числом сегментов

## Похожие
- [rag-architect](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-rag-architect.md) — скилл · 4700 установок
- [rag-engineer](https://affpapa.org/nevibecode/skills/rag-engineer.md) — скилл · 273 установки
- [hybrid-search-implementation](https://affpapa.org/nevibecode/skills/hybrid-search-implementation.md) — скилл · 10800 установок
- [rag-implementation](https://affpapa.org/nevibecode/skills/rag-implementation.md) — скилл · 13906 установок
- [AgentDB Vector Search](https://affpapa.org/nevibecode/skills/agentdb-vector-search.md) — скилл · 1100 установок
- [upstash-vector-db-skills](https://affpapa.org/nevibecode/skills/upstash-vector-db-skills.md) — скилл · 366 установок

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md