跨越技术边界：LangChain4j实践入门，释放你的AI潜能_dev.langchain4j

引言

在数字化转型的浪潮中，人工智能（AI）正逐渐成为推动企业创新和增长的关键力量。然而，将AI技术融入到日常业务流程并非易事，它需要跨越技术门槛，解决兼容性问题，并确保数据安全。今天，我们将带您了解一个革命性的AI集成框架——LangChain4j，它为Java开发者提供了一条通往智能化未来的捷径。

LangChain4j不仅仅是一个工具，它代表了一种全新的工作方式，一种将复杂AI技术变得触手可及的理念。通过这篇文章，我们将探索LangChain4j如何帮助企业解锁智能化潜能，优化业务流程，并在竞争激烈的市场中保持领先。

无论您是技术领域的探索者还是企业的决策者，LangChain4j的故事都不容错过。让我们一起启程，深入了解这个能够编织智慧链条、引领创新潮流的AI框架。

LangChain4j

Java版本的LangChain，随着大模型的不断发展，如何在程序中更好的利用大模型的能力来提高编程效率是一种趋势，LangChain是这么自己介绍自己的：

LangChain gives developers a framework to construct LLM‑powered apps easily.

意思是：LangChain提供了一个开发框架，使得开发者可以很容易的用来构建具有LLM能力的应用程序。

LLM就是Large Language Model，也就是常说的大语言模型，简称大模型。

个人认为：大模型时代，如何将大模型能力和传统应用相结合，使得传统应用更加智能，是人工智能时代的趋势。以前一个应用要获得智能，需要企业自己投入资源训练模型，而现在只需要接入大模型即可，这种便利性将使得大模型会应用得更为广泛，而如何将大模型能力和Java编程语言相结合，这就是LangChain4j所做的。

注意，大模型的能力远远不止聊天的能力，而LangChain4j就在帮助我们更好的利用大模型的能力，从而帮我们打造出更加智能的应用。

使用场景

LangChain4j 的使用场景广泛，覆盖了从基础的聊天机器人、问答系统到复杂的文档检索、知识管理、自动化工作流以及行业特定的AI解决方案等多个领域。以下是几个具体的使用场景：

1. 客户服务自动化：企业可以利用LangChain4j构建智能客服系统，自动处理客户咨询、投诉和常见问题解答，提高服务效率和客户满意度。
2. 内部知识管理：员工可以通过LangChain4j驱动的知识库搜索引擎快速获取公司政策、操作手册、技术文档等信息，提高工作效率。
3. 内容创作与编辑：内容创作者和编辑团队可以利用LangChain4j辅助创作，例如自动生成文章概要、润色文本、甚至是基于现有素材生成新的创意内容。
4. 个性化推荐系统：电商平台或媒体平台可以结合用户行为数据和LangChain4j的分析能力，提供更加个性化的商品或内容推荐。
5. 智能分析报告：企业数据分析团队可以利用LangChain4j分析大数据集，自动生成易于理解的分析报告和业务洞察。

优势

1. 高度模块化设计：允许开发者根据需要选择和组合模块，构建符合特定需求的解决方案，提高了灵活性和可扩展性。
2. 强大的扩展性：支持对接多种语言模型和外部数据源，随着技术进步和新模型的出现，框架能快速适应和集成。
3. 高效性能优化：针对Java环境进行了优化，确保模型运行高效，即使在处理大规模数据和高并发请求时也能保持良好性能。
4. 易用性和可维护性：提供了简洁的API接口和详细的文档，降低了开发门槛，使得非AI背景的开发者也能快速上手。
5. 丰富的社区支持和生态发展：活跃的开发者社区不断贡献新模块、案例和最佳实践，促进了框架的持续迭代和功能丰富。
6. 企业级安全与合规：考虑到企业对数据安全和隐私的需求，LangChain4j设计时可能考虑了相应的安全措施和合规要求，确保模型的使用符合企业标准。

LangChain4j 实战

单轮对话

新建一个Maven工程，然后引入langchain4j的核心依赖、langchain4j集成OpenAi各个模型的依赖

       <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j</artifactId>
            <version>0.29.1</version>
        </dependency>
       <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j-open-ai</artifactId>
            <version>${langchain4j.version}</version>
        </dependency>
1
2
3
4
5
6
7
8
9
10

程序的首次运行输出，标志着我们与这门新知识的初次“问候”，也象征着大模型学习之旅的起点

package org.example;
import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;

/**
 * Despriction
 *
 * @author 程序员小胖
 * @version v1.1
 * @since 2024/5/8 15:07
 */
public class HelloWorld {

    public static void main(String[] args) {
        ChatLanguageModel model = OpenAiChatModel.withApiKey("demo");

        String answer = model.generate("hello world! ");

        System.out.println(answer);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

运行代码结果为：

Hello there! How can I assist you today?
1

这样，我们使用LangChain4j第一次成功的和OpenAi的GPT模型进行了对话，正常来说，调用OpenAi的API接口需要在OpenAi的官网去申请ApiKey才能调用成功，而我这里传入的ApiKey为"demo"却也能调通，查看源码得知这是因为demo是openai为我们提供的测试的apiKey

在底层在构造OpenAiChatModel时，会判断传入的ApiKey是否等于"demo"，如果等于会将OpenAi的原始API地址"https://api.openai.com/v1"改为"http://langchain4j.dev/demo/openai/v1"，这个地址是langchain4j专门为我们准备的一个体验地址，实际上这个地址相当于是"https://api.openai.com/v1"的代理，我们请求代理时，代理会去调用真正的OpenAi接口，只不过代理会将自己的ApiKey传过去，从而拿到结果返回给我们。所以，真正开发时，需要大家设置自己的apiKey或baseUrl，可以这么设置：

ChatLanguageModel model = OpenAiChatModel.builder()
 .baseUrl("http://langchain4j.dev/demo/openai/v1")
 .apiKey("demo")
 .build();
1
2
3
4

多轮对话

我们通过ChatLanguageModel的generate()方法向大模型提出问题：

 public static void main(String[] args) {
        ChatLanguageModel model = OpenAiChatModel.withApiKey("demo");

        String answer = model.generate("你好，你是谁？");
        System.out.println(answer);
        System.out.println(model.generate("请重复"));
    }
1
2
3
4
5
6
7

运行代码结果为：

你好！我是一个人工智能助手，可以回答你的问题和提供帮助。有什么可以帮到你的吗？
请重复
    public static void main(String[] args) {
        ChatLanguageModel model = OpenAiChatModel.withApiKey("demo");

        String answer = model.generate("你好，我是程序员小胖");
        System.out.println(answer);
        System.out.println(model.generate("我叫什么名字？"));

    }
1
2
3
4
5
6
7
8
9
10

运行代码结果为：

你好，程序员小胖！有什么问题或者需要帮助的吗？
您叫什么名字？
1
2

一样的情况，因为第二次调用generate()方法是一次单独的会话，那么如何做到使得两次或多次generate()在同一个会话中呢？在LangChain4j中有一个ChatMemory组件，它就是专门用来实现会话功能的，但是它需要结合LangChain4j中的AiService来使用，我们后面再介绍，现在我们先使用笨办法来解决多轮对话的问题。在ChatLanguageModel中有多个generate()重载方法：

我们前面使用的就是第一个generate()方法，而第二个和第三个generate()方法都是接收一个ChatMessage集合，并且返回一个AiMessage，那么ChatMessage和AiMessage分别都表示什么意思呢？

ChatMessage是一个接口，表示聊天消息，它有以下四种实现：

1. UserMessage：表示用户发送给大模型的消息
2. AiMessage：表示大模型响应给用户的消息
3. SystemMessage：也是用户发送给大模型的消息，和UserMessage不同在于，SystemMessage一般是应用程序帮用户设置的，举个例子，假如有一个作家应用，那么“请你扮演一名作家，请帮我写一篇关于春天的作文”，其中“请你扮演一名画家”就是SystemMessage，“请帮我画一幅关于春天的作品”就是UserMessage
4. ToolExecutionResultMessage：也是用户发送给大模型的，表示工具的执行结果。我们先重点关注UserMessage和AiMessage，它们就相当于请求和响应，所以如果我们想要实现多轮对话，可以这么实现：

    public static void main(String[] args) {
        ChatLanguageModel model = OpenAiChatModel.withApiKey("demo");

        UserMessage userMessage1 = UserMessage.userMessage("你好，我是程序员小胖！");
        Response<AiMessage> response1 = model.generate(userMessage1);
        AiMessage aiMessage1 = response1.content();
        System.out.println(aiMessage1.text());

        Response<AiMessage> response2 = model.generate(userMessage1, aiMessage1, UserMessage.userMessage("我叫什么"));
        AiMessage aiMessage2 = response2.content();
        System.out.println(aiMessage2.text());

    }
1
2
3
4
5
6
7
8
9
10
11
12
13

运行代码结果为：

你好，小胖！有什么可以帮助你的吗？
你告诉我你叫小胖。
1
2

打字机流式响应

当我们通过ChatLanguageModel的generate()方法向大模型提问时，ChatLanguageModel一次性给了整段响应结果，而不是一个字一个字打字机式的回答，不过我们可以使用OpenAiStreamingChatModel来实现打字机效果.

public static void main(String[] args) {

        StreamingChatLanguageModel model = OpenAiStreamingChatModel.builder()
                .baseUrl("http://langchain4j.dev/demo/openai/v1")
                .apiKey("demo")
                .build();

        model.generate("你好，你是谁？", new StreamingResponseHandler<AiMessage>() {
            @Override
            public void onNext(String token) {

                System.out.println(token);

                try {
                    TimeUnit.SECONDS.sleep(1);
                } catch (InterruptedException e) {
                    throw new RuntimeException(e);
                }
            }

            @Override
            public void onError(Throwable error) {
                System.out.println(error);
            }
        });

    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

结语

在探索LangChain4j的旅程中，我们不仅揭开了AI实践的神秘面纱，还发现了如何将这些强大的技术应用到实际业务中。随着智能化时代的大门缓缓开启，让我们携手LangChain4j，共同迈向一个更智能、更高效的未来。

​

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。