https://javapro.svenruppert.com/tags/context/Recent content in Context on JAVAPRO GermanyHugode-DEMon, 12 Jan 2026 09:03:34 +0000https://javapro.svenruppert.com/llm-context-und-tools/Mon, 12 Jan 2026 09:03:34 +0000https://javapro.svenruppert.com/llm-context-und-tools/<p><figure class="post-figure"> <img src="https://javapro.svenruppert.com/uploads/sites/1/2026/01/ollama_tools-1024x585.png" alt="" loading="lazy" decoding="async"> </figure> </p> <p>Im letzten Artikel (<a href="https://javapro.io/de/llm-context">https://javapro.io/de/llm-context</a>) haben wir untersucht, wie LLMs mithilfe des Contexts ganze Chat-Verläufe verarbeiten können. Doch die Möglichkeiten des Contexts gehen weit darüber hinaus. In diesem Artikel schauen wir uns an, wie wir der LLM über den Context Funktionen bereitstellen können, um qualitativ hochwertigere Antworten zu erhalten. Dieses Konzept ist bekannt als <strong>LLM-Context und Tools</strong>.</p> <p><strong>Vorbemerkungen</strong></p> <ul> <li>Die Code-Beispiele basieren auf dem Wissen aus dem Artikel <a href="https://javapro.io/de/llm-context">https://javapro.io/de/llm-context</a>. Daher wäre es sinnvoll, zuerst diesen zu lesen.</li> <li>Alle Beispiele stehen in GitHub-Repos zur Verfügung.</li> </ul> <h2 id="beispiel-kurzreise-nach-paris">Beispiel Kurzreise nach Paris</h2> <p>Wir möchten eine Kurzreise nach Paris machen und fragen uns, was wir da alles mitnehmen sollten. Im AI-Zeitalter starten wir Ollama mit dem Llama3.2-Modell und machen folgende Anfrage: <strong>What kind of clothes do I need for a short trip to Paris?</strong></p>https://javapro.svenruppert.com/llm-context/Mon, 17 Nov 2025 07:01:55 +0000https://javapro.svenruppert.com/llm-context/<p><figure class="post-figure"> <img src="https://javapro.svenruppert.com/uploads/sites/1/2025/10/ollama_memory-1024x585.png" alt="" loading="lazy" decoding="async"> </figure> </p> <p>Im Entwickleralltag haben wir die LLMs als Coding-Partner liebgewonnen. Man kann nicht nur einzelne Fragen an eine LLM stellen, sondern einen ganzen Chatverlauf führen. Ist die LLM so smart, dass sie mich und die vorherigen Fragen und Antworten kennt? Das Zauberwort heisst <strong>LLM</strong> <strong>Context</strong>. Dies wollen wir uns nun etwas genauer anschauen.</p> <p><strong>Vorbemerkungen</strong></p> <ul> <li>Die Codebeispiele basieren auf dem Wissen aus dem Artikel <a href="https://javapro.io/de/ollama-rest-api">Ollama REST</a>. Es ist sinnvoll, zuerst diesen zu lesen.</li> <li>Alle Beispiele stehen in GitHub-Repos zur Verfügung.</li> <li><a href="https://ollama.com">Ollama</a> muss installiert sein. Mehr Informationen zur Installation gibt es im Artikel <a href="https://javapro.io/de/lokale-llms">Lokale LLMs</a>.</li> </ul> <h2 id="beispiel-hauptstadt">Beispiel Hauptstadt</h2> <p>Wir starten mit einem Beispiel und möchten eine LLM fragen, was die Hauptstädte von Frankreich und Schweden sind. Dazu machen wir zwei Anfragen via Ollama (in Open WebUI) mit dem llama3.2 Modell.</p>