LangChain4j 特性介绍

LangChain4j 是一个专为 Java 和 Kotlin 开发者设计的类 LangChain 框架，用于与大型语言模型（LLM）进行交互。它提供了类似 Python 中 LangChain 的功能，包括提示模板、链式调用、嵌入模型支持、向量数据库集成等。 --- ## 📘 LangChain4j 教程 ### 1. 环境准备 #### 添加依赖（以 Maven 为例） ```xml <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-core</artifactId> <version>0.26.0</version> </dependency> <!-- OpenAI 模型 --> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-openai</artifactId> <version>0.26.0</version> </dependency> <!-- 嵌入模型支持 --> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-embedding-all-minilm-l6-v2</artifactId> <version>0.26.0</version> </dependency> <!-- 向量存储 --> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-in-memory-embedding-store</artifactId> <version>0.26.0</version> </dependency> ``` 确保你已经在 [OpenAI](https://platform.openai.com/) 注册并获取了 API Key，并将其设置为环境变量或配置项。 --- ### 2. 快速开始：基本 LLM 调用 ```java import dev.langchain4j.model.chat.ChatLanguageModel; import dev.langchain4j.model.openai.OpenAiChatModel; public class BasicLLMExample { public static void main(String[] args) { ChatLanguageModel model = new OpenAiChatModel(System.getenv("OPENAI_API_KEY")); String response = model.generate("你好，请介绍一下你自己。"); System.out.println(response); } } ``` --- ### 3. 提示模板（Prompt Template） LangChain4j 支持使用模板来构造提示内容： ```java import dev.langchain4j.data.message.AiMessage; import dev.langchain4j.model.chat.ChatLanguageModel; import dev.langchain4j.model.openai.OpenAiChatModel; import dev.langchain4j.prompt.Prompt; import dev.langchain4j.prompt.PromptTemplate; import java.util.HashMap; import java.util.Map; public class PromptTemplateExample { public static void main(String[] args) { String template = "请根据以下信息写一段介绍：姓名是{name}，职业是{profession}。"; PromptTemplate promptTemplate = PromptTemplate.from(template); Map<String, Object> variables = new HashMap<>(); variables.put("name", "张三"); variables.put("profession", "软件工程师"); Prompt prompt = promptTemplate.apply(variables); ChatLanguageModel model = new OpenAiChatModel(System.getenv("OPENAI_API_KEY")); AiMessage response = model.generate(prompt.messages()); System.out.println(response.content().text()); } } ``` --- ### 4. 链式调用（Chaining） 你可以将多个组件串联成一个链： ```java import dev.langchain4j.chain.ConversationalRetrievalChain; import dev.langchain4j.data.document.Document; import dev.langchain4j.data.document.loader.FileSystemDocumentLoader; import dev.langchain4j.data.segment.TextSegment; import dev.langchain4j.model.embedding.AllMiniLmL6V2EmbeddingModel; import dev.langchain4j.model.openai.OpenAiChatModel; import dev.langchain4j.retriever.EmbeddingStoreRetriever; import dev.langchain4j.store.embedding.EmbeddingStore; import dev.langchain4j.store.embedding.inmemory.InMemoryEmbeddingStore; import java.net.URL; import java.util.List; public class ChainExample { public static void main(String[] args) { // 加载文档 URL resource = ChainExample.class.getClassLoader().getResource("test.txt"); Document document = FileSystemDocumentLoader.loadDocument(resource); // 分段 List<TextSegment> segments = TextSegment.split(document.content(), 100); // 嵌入模型 AllMiniLmL6V2EmbeddingModel embeddingModel = new AllMiniLmL6V2EmbeddingModel(); // 计算嵌入 List<Embedding> embeddings = embeddingModel.embedAll(segments).content(); // 存储到内存中 EmbeddingStore<TextSegment> store = new InMemoryEmbeddingStore<>(); for (int i = 0; i < segments.size(); i++) { store.add(embeddings.get(i), segments.get(i)); } // 创建检索器 EmbeddingStoreRetriever<TextSegment> retriever = EmbeddingStoreRetriever.from(store, embeddingModel, 2); // 创建 LLM OpenAiChatModel chatModel = new OpenAiChatModel(System.getenv("OPENAI_API_KEY")); // 创建链 ConversationalRetrievalChain<TextSegment> chain = ConversationalRetrievalChain.from(chatModel, retriever); // 使用链提问 String answer = chain.invoke("量子计算是什么？"); System.out.println(answer); } } ``` --- ### 5. 内存管理（Memory） LangChain4j 支持对话记忆管理，可以保存历史记录： ```java import dev.langchain4j.memory.InMemoryChatMemory; import dev.langchain4j.model.chat.ChatLanguageModel; import dev.langchain4j.model.openai.OpenAiChatModel; import dev.langchain4j.service.AiServices; import dev.langchain4j.service.MemoryId; import dev.langchain4j.service.SystemMessage; public interface ChatBot { @SystemMessage("你是一个有帮助的助手。") String chat(@MemoryId int memoryId, String userMessage); } public class MemoryExample { public static void main(String[] args) { ChatLanguageModel model = new OpenAiChatModel(System.getenv("OPENAI_API_KEY")); ChatBot chatBot = AiServices.builder(ChatBot.class) .chatLanguageModel(model) .chatMemoryProvider(memoryId -> new InMemoryChatMemory()) .build(); int memoryId = 1; System.out.println(chatBot.chat(memoryId, "你好！")); System.out.println(chatBot.chat(memoryId, "我刚才说了什么？")); } } ``` --- ## ✅ 总结 LangChain4j 是 Java/Kotlin 开发者构建基于 LLM 应用程序的强大工具，主要特性包括： - **Prompt Templates**：构造结构化提示 - **Chains**：组合多个 AI 步骤 - **Embeddings & Retrieval**：支持文本嵌入和向量搜索 - **Memory**：支持会话记忆 - **Integration**：支持多种 LLM 提供商（如 OpenAI、Anthropic） --- ###