2. LangChain4j-AIServices，原来调用AI这么简单？

张铁牛2025-06-06 21:00

1. 简介

上一章节我们讲了如何使用LangChain4J的底层组件来进行AI的交互，如 ChatLanguageModel、ChatMessage、ChatMemory 等。 在这个层面上工作非常灵活/自由，但也迫使我们编写大量的样板代码。 由于 LLM 驱动的应用程序通常不仅需要单个组件，还需要多个组件协同工作 （例如，提示模板、聊天记忆、LLM、输出解析器、RAG 组件：嵌入模型和存储） 并且经常涉及多次交互，协调所有这些组件变得更加繁琐。

而我们使用框架的目的是希望专注于业务逻辑，而不是低级实现细节。 为此，LangChain4J衍生出一个高级概念可以帮助更快的进行AI应用的开发：AI Services。

2. 环境信息

本章的环境信息跟上一章完全一样，这里就不过多展示了，感兴趣的可以看上一章内容

3. 构建AI Service

3.1 申明AI Service 接口

java 复制代码 
package com.ldx.langchaintest.aisvc;

import com.ldx.langchaintest.model.PersonTest;
import dev.langchain4j.service.Result;
import dev.langchain4j.service.SystemMessage;
import dev.langchain4j.service.TokenStream;
import dev.langchain4j.service.UserMessage;
import dev.langchain4j.service.V;
import reactor.core.publisher.Flux;

import java.util.List;

/**
 * ai svc
 *
 * @author ludangxin
 * @date 2025/6/5
 */
public interface AiAssistantServiceTest {
    String chat(String message);

    TokenStream chatWithTokenStream(String message);

    Flux<String> chatWithFlux(String message);

    @SystemMessage("""
                👉 将文本改写成类似小红书的 Emoji 风格。
                请使用 Emoji 风格编辑以下段落，该风格以引人入胜的标题、每个段落中包含表情符号和在末尾添加相关标签为特点。请确保保持原文的意思。
                """)
    String chatWithSysPrompt(String userMessage);

    @UserMessage("请帮我判断一下这段表达式「{{expression}}」的返回值 如果成立则返回true 反之 false")
    boolean chatWithPrompt(@V("expression") String expression);

    @UserMessage("需要你帮我mock需要的人员信息")
    PersonTest chatWithPojo();

    @UserMessage("需要你帮我mock人员姓名, 帮我生成{{total}}个")
    List<String> chatWithList(@V("total") Integer total);

    Result<String> chatWithMeta(String question);

    // can not support return list pojo
    @UserMessage("需要你帮我mock需要的人员信息, 帮我生成{{total}}个")
    List<PersonTest> chatWithPojoList(@V("total") Integer total);
}

关于聊天记忆的svc

java 复制代码 
package com.ldx.langchaintest.aisvc;

import dev.langchain4j.service.MemoryId;
import dev.langchain4j.service.SystemMessage;
import dev.langchain4j.service.UserMessage;

/**
 * memory svc
 *
 * @author ludangxin
 * @date 2025/6/5
 */
public interface AiAssistantServiceWithMemoryTest {
    String chat(@MemoryId String memoryId, @UserMessage String message);
}

3.2 创建AI Service 实例

使用AiServices对象创建上述我们自定义的svc，其底层是通过jdk的动态代理实现的，感兴趣的可以留言，后续可以加一章源码解析

java 复制代码 
private static ChatModel chatModel;

private static StreamingChatModel streamingChatModel;

private static AiAssistantServiceTest assistant;

private static AiAssistantServiceTest streamingAssistant;

@BeforeAll
public static void init_chat_svc() {
    chatModel = OpenAiChatModel
            .builder()
            .apiKey(System.getenv("LLM_API_KEY"))
            .modelName("qwen-plus")
            .baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1")
            .build();
    streamingChatModel = OpenAiStreamingChatModel
            .builder()
            .apiKey(System.getenv("LLM_API_KEY"))
            .modelName("qwen-plus")
            .baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1")
            .build();
    // 创建普通对话的ai svc
    assistant = AiServices.create(AiAssistantServiceTest.class, chatModel);
    // 创建流式对话的ai svc
    streamingAssistant = AiServices.create(AiAssistantServiceTest.class, streamingChatModel);
}

4. 返回字符串

java 复制代码 
@Test
public void should_return_str_when_use_normal_chat() {
    final String q = "你是谁";
    final String a = assistant.chat(q);
    log.info("call ai q:{}\na:{}", q, a);
}

测试结果如下

复制代码 
23:56:02.143 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai q:你是谁
a:我是通义千问，阿里巴巴集团旗下的通义实验室自主研发的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。如果你有任何问题或需要帮助，欢迎随时告诉我！

5. 返回流

5.1 TokenStream

java 复制代码 
@Test
public void should_return_stream_when_use_stream_model() throws InterruptedException {
    final TokenStream tokenStream = streamingAssistant.chatWithTokenStream("你是谁");
    tokenStream
        .onPartialResponse((String partial) -> log.info("ai response partial data: {}", partial))
        .onCompleteResponse((ChatResponse chatResponse) -> log.info("ai response complete."))
        .onError((Throwable error) -> log.info("ai call error", error))
        .start();
    // 阻塞 保证异步结果正常展示
    Thread.sleep(10_000);
}

测试结果如下：

复制代码 
23:57:54.639 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 我是
23:57:54.641 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 通
23:57:54.657 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 义
23:57:54.800 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 千问，阿里巴巴
23:57:54.916 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 集团旗下的通义
23:57:55.036 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 实验室自主研发的超
23:57:55.287 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 大规模语言模型。
23:57:55.700 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 我能够回答问题
23:57:55.810 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 、创作文字，
23:57:56.003 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 比如写故事、
23:57:56.112 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 写公文、
23:57:56.255 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 写邮件、写
23:57:56.447 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 剧本、逻辑推理
23:57:56.537 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 、编程等等，
23:57:56.672 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 还能表达观点，
23:57:56.873 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 玩游戏等。如果你
23:57:56.939 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 有任何问题或需要
23:57:57.079 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 帮助，欢迎随时
23:57:57.214 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 告诉我！
23:57:57.262 [ForkJoinPool.commonPool-worker-1] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response complete.

5.2 Flux

java 复制代码 
@Test
public void should_return_stream_when_use_stream_model2() {
    final Flux<String> flux = streamingAssistant.chatWithFlux("你是谁");
    flux
            .toStream()
            .forEach(partial -> log.info("ai response partial data: {}", partial));
}

测试结果如下:

复制代码 
00:00:04.753 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 我是
00:00:04.755 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 通
00:00:04.755 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 义
00:00:04.866 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 千问，阿里巴巴
00:00:05.028 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 集团旗下的通义
00:00:05.165 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 实验室自主研发的超
00:00:05.248 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 大规模语言模型。
00:00:05.426 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 我能够回答问题
00:00:05.516 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 、创作文字，
00:00:05.663 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 比如写故事、
00:00:05.815 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 写公文、
00:00:05.920 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 写邮件、写
00:00:06.040 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 剧本、逻辑推理
00:00:06.200 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 、编程等等，
00:00:06.290 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 还能表达观点，
00:00:06.424 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 玩游戏等。如果你
00:00:06.579 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 有任何问题或需要
00:00:06.685 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 帮助，欢迎随时
00:00:06.781 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ai response partial data: 告诉我！

6. 提示词/模板

java 复制代码 
@Test
public void should_return_prompt_content_when_use_prompt() {
    final String q1 = "你是谁";
    final String a1 = assistant.chatWithSysPrompt(q1);
    log.info("call ai q1:{}\na1:{}", q1, a1);
    final String q2 = "1+2=4";
    final boolean a2 = assistant.chatWithPrompt(q2);
    log.info("call ai q2:{}\na2:{}", q2, a2);
}

测试结果如下：

复制代码 
00:01:37.390 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai q1:你是谁
a1:✨你好呀！我是你的AI助手💡，在这里可以帮你解答各种问题、创作故事、写公文、邮件、剧本等等哦！如果有任何疑问，尽管问我吧～😊

#AI助手 #问答小能手 #随时在线
00:01:38.668 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai q2:1+2=4
a2:false

7. 结构化输出

7.1 申明pojo

java 复制代码 
import dev.langchain4j.model.output.structured.Description;
import lombok.Data;

import java.time.LocalDate;

@Data
public class PersonTest {
    // 添加描述，帮助 LLM 更好地理解
    @Description("first name of a person") 
    String firstName;

    @Description("last name of a person")
    String lastName;

    LocalDate birthDate;
}

7.2 实现

暂不支持返回 List<自定义对象>，执行会报错

java 复制代码 
@Test
public void should_return_custom_obj_when_use_normal_model() {
    final PersonTest personTest = assistant.chatWithPojo();
    final List<String> names = assistant.chatWithList(3);
    final Result<String> resultMeta = assistant.chatWithMeta("你是谁");
    // can not support return list pojo
    //final List<PersonTest> personTests = assistant.chatWithPojoList(3);
    log.info("call ai personTest:{}", personTest);
    log.info("call ai mock names:{}", names);
    String content = resultMeta.content();
    // AI 服务调用期间使用的令牌总数
    TokenUsage tokenUsage = resultMeta.tokenUsage();
    // 在 RAG 检索期间检索到的 Content
    final List<Content> sources = resultMeta.sources();
    // 已执行的工具
    List<ToolExecution> toolExecutions = resultMeta.toolExecutions();
    // 完成标识
    FinishReason finishReason = resultMeta.finishReason();
    log.info("call ai returnContent:{}, useToken:{}, sources:{}, toolExecutions:{}, finishReason:{}", content, tokenUsage, sources, toolExecutions, finishReason);
}

测试结果如下：

复制代码 
00:03:14.288 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai personTest:PersonTest(firstName=张, lastName=三, birthDate=1990-05-20)
00:03:14.292 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai mock names:[张伟, 李娜, 王强]
00:03:14.293 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai returnContent:我是通义千问，阿里巴巴集团旗下的超大规模语言模型。我能够回答问题、创作文字，比如写故事、写公文、写邮件、写剧本、逻辑推理、编程等等，还能表达观点，玩游戏等。如果你有任何问题或需要帮助，欢迎随时告诉我！, useToken:OpenAiTokenUsage { inputTokenCount = 10, inputTokensDetails = OpenAiTokenUsage.InputTokensDetails { cachedTokens = 0 }, outputTokenCount = 60, outputTokensDetails = null, totalTokenCount = 70 }, sources:[], toolExecutions:[], finishReason:STOP

8. 聊天记忆

java 复制代码 
@Test
public void should_return_memory_content_when_use_memory_chat() {
    ChatMemoryProvider chatMemoryProvider = memoryId -> MessageWindowChatMemory
            .builder()
            .id(memoryId)
            .maxMessages(10)
            .build();
    AiAssistantServiceWithMemoryTest assistantWithMemory = AiServices
            .builder(AiAssistantServiceWithMemoryTest.class)
            .chatModel(chatModel)
            .chatMemoryProvider(chatMemoryProvider)
            .build();
    String q1 = "张铁牛是一个高富帅，你是张铁牛的助手";
    String q2 = "张铁牛是谁";
    String memoryId = "zhangtieniu-01";
    final String a1 = assistantWithMemory.chat(memoryId, q1);
    final String a2 = assistantWithMemory.chat(memoryId, q2);
    log.info("call ai q1: {}\na1: {}", q1, a1);
    log.info("==========================分隔符==========================");
    log.info("call ai q2: {}\na2: {}", q2, a2);
}

测试结果如下：

复制代码 
00:06:58.754 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai q1: 张铁牛是一个高富帅，你是张铁牛的助手
a1: 您好，我是张铁牛先生的助手。张铁牛先生确实是一位非常优秀的人士，他不仅身高出众、相貌堂堂，还拥有很高的学识和财富。作为他的助手，我主要负责协助他处理一些日常事务、商务安排以及社交活动等。同时，我也在不断学习，以便更好地支持张先生的工作与生活需求。

如果您有任何问题或需要了解关于张先生的相关信息，请告诉我，我会在适当范围内提供帮助。不过需要注意的是，对于张先生的私人信息，我们会严格保密，尊重他的隐私权。那么，您今天是想了解哪方面的内容呢？或者有什么具体事项需要转达给张先生吗？
00:06:58.757 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ==========================分隔符==========================
00:06:58.757 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- call ai q2: 张铁牛是谁
a2: 张铁牛先生是一位杰出的高富帅，他不仅在外表上十分出众------身高挺拔、长相英俊，更拥有卓越的才华和雄厚的经济实力。在事业上，他涉足多个领域并取得了显著成就，是一位备受尊敬的企业家。同时，他还热衷于公益事业，积极回馈社会。

不过，请允许我澄清一下：张铁牛这个角色其实是虚构的，主要用于情境假设或角色扮演中。如果放在现实语境下，我可以进一步调整描述以贴合具体需求。作为他的助手，我的职责就是协助张先生处理各类事务，并确保他的日程顺利进行。

您对张铁牛先生有什么特别想了解的内容吗？或者是否有信息需要我帮忙传达？

9. 内容持久化&function call

java 复制代码 
@Test
public void should_return_memory_content_when_use_memory_and_store_and_tool_chat() {
    PersistentChatMemoryStoreTest store = new PersistentChatMemoryStoreTest();
    ChatMemoryProvider chatMemoryProvider = memoryId -> MessageWindowChatMemory
            .builder()
            .id(memoryId)
            .maxMessages(10)
            .chatMemoryStore(store)
            .build();
    UserServiceTest userServiceTest = new UserServiceTest();
    AiAssistantServiceWithMemoryTest assistantWithMemory = AiServices
            .builder(AiAssistantServiceWithMemoryTest.class)
            .chatModel(chatModel)
            .chatMemoryProvider(chatMemoryProvider)
            .tools(userServiceTest)
            .build();
    String q1 = "张铁牛是一个高富帅，你是张铁牛的助手";
    String q2 = "张铁牛是谁";
    String memoryId = "zhangtieniu-01";
    final String a1 = assistantWithMemory.chat(memoryId, q1);
    final String a2 = assistantWithMemory.chat(memoryId, q2);
    String memoryId2 = "lisi-01";
    final String a3 = assistantWithMemory.chat(memoryId2, q2);
    List<ChatMessage> chatMessages = store.messagesStore.get(memoryId);

    for (ChatMessage chatMessage : chatMessages) {
        log.info("session id: {}, message type: {}, message: {}", memoryId, chatMessage.type(), chatMessage);
    }

    log.info("==================分割线==================");

    List<ChatMessage> chatMessages2 = store.messagesStore.get(memoryId2);
    for (ChatMessage chatMessage : chatMessages2) {
        log.info("session id: {}, message type: {}, message: {}", memoryId, chatMessage.type(), chatMessage);
    }
}

测试结果如下：

复制代码 
00:09:10.388 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: USER, message: UserMessage { name = null contents = [TextContent { text = "张铁牛是一个高富帅，你是张铁牛的助手" }] }
00:09:10.391 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: AI, message: AiMessage { text = "好的，我是张铁牛的助手。请问有什么我可以帮您的吗？如果您需要任何信息或者帮助处理某些事情，请告诉我具体的要求。比如，如果需要获取张铁牛相关的代码信息，我们可以利用已有的功能来查询。请明确您的需求！" toolExecutionRequests = [] }
00:09:10.391 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: USER, message: UserMessage { name = null contents = [TextContent { text = "张铁牛是谁" }] }
00:09:10.391 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: AI, message: AiMessage { text = "根据当前上下文，"张铁牛"是一个我们假设的人物名字，他是您的代表人物。在这个场景中，我作为张铁牛的助手被设定来帮助您完成各种任务或者提供所需信息。如果您需要具体关于"张铁牛"的更多信息或者是与之相关的操作（例如获取其用户代码等），请告诉我更详细的信息或提出具体请求。

如果我们要基于实际应用情境进行互动，比如查询某个用户的特定代码，您可以要求我执行像通过用户名获取用户代码这样的功能。 若要这样做，请提供具体的用户名，我将为您查找对应的代码。
如果有其他任何问题或需求，也欢迎随时告知！" toolExecutionRequests = [] }
00:09:10.391 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- ==================分割线==================
00:09:10.392 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: USER, message: UserMessage { name = null contents = [TextContent { text = "张铁牛是谁" }] }
00:09:10.392 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: AI, message: AiMessage { text = null toolExecutionRequests = [ToolExecutionRequest { id = "call_f936aff30d024ae1ae6793", name = "getUserCodeByUsername", arguments = "{"username": "张铁牛"}" }] }
00:09:10.393 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: TOOL_EXECUTION_RESULT, message: ToolExecutionResultMessage { id = "call_f936aff30d024ae1ae6793" toolName = "getUserCodeByUsername" text = "003" }
00:09:10.394 [main] INFO com.ldx.langchaintest.aisvc.AiChatWithSvcTest -- session id: zhangtieniu-01, message type: AI, message: AiMessage { text = "用户张铁牛的代码是003。这是系统中唯一标识该用户的代码。如果您需要更多关于张铁牛的信息，您可以提供更具体的问题或者查询请求。" toolExecutionRequests = [] }

10. 小结

本章使用了LangChain4J高阶Api来请求大模型，展示了AI服务中常见的使用方法，下一章我们将使用LangChain4J的RAG功能。

相关推荐
Juicedata2 小时前
JuiceFS v1.3-Beta2：集成 Apache Ranger，实现更精细化的权限控制
运维·人工智能·ai
FrankHuang88811 小时前
使用高斯朴素贝叶斯算法对鸢尾花数据集进行分类
算法·机器学习·ai·分类
武子康11 小时前
AI炼丹日志-28 - Audiblez 将你的电子书epub转换为音频mp3 做有声书
人工智能·爬虫·gpt·算法·机器学习·ai·音视频
宝桥南山16 小时前
DeepSeek - 尝试一下GitHub Models中的DeepSeek
microsoft·ai·微软·c#·github·.net
wang_yb18 小时前
稀疏表示与字典学习：让数据“瘦身”的魔法
ai·databook
探索云原生20 小时前
开源 vGPU 方案：HAMi,实现细粒度 GPU 切分
ai·云原生·kubernetes·gpu
张铁牛1 天前
1. LangChain4j 初识，想使用Java开发AI应用？
ai·langchain4j
无声旅者1 天前
n8n：解锁自动化工作流的无限可能
ai·自动化·oneapi·ai大模型·n8n
在荒野的梦想2 天前
DeepSeek+SpringAI实现流式对话
java·ai
热门推荐
01基于STM32的智能电池管理系统02KGG转MP3工具|非KGM文件|解密音频03YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】04海康Visionmaster-常见问题排查方法-启动阶段05从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑06【SpeedAI科研小助手】2分钟极速解决知网维普重复率、AIGC率过高，一键全文降！文件格式不变，公式都保留的！07VMware虚拟机安装Win7专业版保姆级教程（附镜像包）08DeepSeek各版本说明与优缺点分析09组基轨迹建模 GBTM的介绍与实现（Stata 或 R）10柬埔寨语翻译通App，一款真正实现高棉语翻译、语音识别和中柬双语无障碍交流的应用程序。