SpringBoot 整合Langchain4j 对接主流大模型实战详解

小码农叔叔2025-08-07 9:54

目录

一、前言

[二、Langchain4j 介绍](#二、Langchain4j 介绍)

[2.1 Langchain4j 是什么](#2.1 Langchain4j 是什么)

[2.2 Langchain4j 主要特点](#2.2 Langchain4j 主要特点)

[2.3 Langchain4j 核心组件](#2.3 Langchain4j 核心组件)

[2.4 Langchain4j 核心优势](#2.4 Langchain4j 核心优势)

[三、Langchain4j 整合常用大模型案例实践](#三、Langchain4j 整合常用大模型案例实践)

[3.1 前置准备](#3.1 前置准备)

[3.1.1 对接通义千问大模型](#3.1.1 对接通义千问大模型)

[3.1.2 对接DeepSeek大模型](#3.1.2 对接DeepSeek大模型)

[3.1.3 创建工程导入核心依赖](#3.1.3 创建工程导入核心依赖)

[3.2 Langchain4j 对接DeepSeek大模型](#3.2 Langchain4j 对接DeepSeek大模型)

[3.2.1 导入核心依赖](#3.2.1 导入核心依赖)

[3.2.2 添加配置文件](#3.2.2 添加配置文件)

[3.2.3 添加测试接口](#3.2.3 添加测试接口)

[3.3 Langchain4j 对接阿里云大模型](#3.3 Langchain4j 对接阿里云大模型)

[3.3.1 导入核心依赖](#3.3.1 导入核心依赖)

[3.3.2 添加配置文件](#3.3.2 添加配置文件)

[3.3.3 添加测试接口](#3.3.3 添加测试接口)

[3.4 基于百炼平台使用openai的调用](#3.4 基于百炼平台使用openai的调用)

四、写在文末

一、前言

当下随着各种AI大模型的应用市场深入到各个领域，AI赋能为业务的拓展和商业价值的延伸带来了无限的可能。大厂商陆续推出对市面尚主流AI大模型的接入和支持，方便普通用户或开发者快速体验最新的大模型能力，以DeepSeek为例，像阿里云，硅基流动，智谱等众多厂商，都已经提供了与其对接的方式。与此同时，为了应用开发者能够基于自身的业务快速对接各类AI大模型API能力，更灵活的拓展自身的业务能力。而在java领域，以spring ai为代表的领域界技术框架近期正式宣布发布1.0版本，这也代表了以spring家族接入和应用AI大模型的能力的进一步提升，而另一个大模型的框架Langchain4j，则以其在python领域的强大生态能力，成为自大模型诞生以来占据行业重要地位的技术框架，本文以Langchain4j为例进行说明，详细介绍下如何基于Springboot，快速对接当下行业主流的大模型，打通各个大模型厂商，从而实现微服务自身价值的提升。

二、Langchain4j 介绍

2.1 Langchain4j 是什么

LangChain4j作为一款专注于AI大模型集成的开源库，近年来受到了广泛关注。它旨在为开发者提供一种简单且高效的方式来接入和利用各种AI大模型，从而提升应用程序的智能化水平。LangChain4j的核心优势在于其高度的灵活性和易用性，使得开发者可以在不改变现有架构的前提下，快速实现AI功能的集成。

官网入口：LangChain

开发者文档地址：Introduction | LangChain4j

Github 地址：GitCode - 全球开发者的开源社区,开源代码托管平台

2.2 Langchain4j 主要特点

LangChain4j 是一个基于 Java 的框架，旨在简化与大型语言模型（LLMs）的集成和应用开发。它提供了丰富的工具和组件，帮助开发者快速构建基于 LLM 的应用程序，如聊天机器人、问答系统、文本生成等。其核心特点如下：

  • 模块化设计

    • LangChain4j 采用模块化架构，允许开发者根据需要选择和使用特定功能，如模型集成、数据加载、链式调用等。

  • 多模型支持：

    • 支持多种 LLM 提供商，如 DeepSeek ，Qwen ，OpenAI，Hugging Face 等，方便切换和集成不同模型。

  • 链式调用：

    • 提供链式调用功能，允许将多个任务串联，如文本生成后自动进行情感分析。

  • 数据加载与处理：

    • 内置多种数据加载器和处理器，支持从不同来源加载数据并进行预处理。

  • 扩展性好

    • 提供丰富的 API 和扩展点，开发者可以自定义组件以满足特定需求。

  • 社区活跃

    • 拥有活跃的社区和详细的文档，便于开发者获取支持和学习。

2.3 Langchain4j 核心组件

Langchain4j 的强大之处正是在于其内置了丰富的可以做到开箱即用的组件能力，相比Spring AI，Langchain4j 的组件更加丰富，在使用的时候也更灵活，下面是一张关于Langchain4j 的组件全景图。

2.4 Langchain4j 核心优势

LangChain4j 是一个专为 Java 开发者设计的框架，旨在简化与大型语言模型（LLMs）的集成和应用开发。它的核心优势主要体现在以下几个方面：

1）Java 原生支持

  • LangChain4j 是专为 Java 生态系统设计的，与 Java 开发工具和框架无缝集成。

  • 对于 Java 开发者来说，无需学习其他语言（如 Python）即可使用 LLM 的强大功能。

  • 支持 Spring Boot 等主流 Java 框架，便于快速集成到现有项目中。

2）模块化设计与灵活性

  • 采用模块化设计，开发者可以根据需求选择特定功能，如模型集成、数据加载、链式调用等。

  • 提供丰富的扩展点，支持自定义组件和插件，满足个性化需求。

3）多模型支持

  • 支持多种主流 LLM 提供商，如 DeepSeek，Qwen，OpenAI，Hugging Face等。

  • 提供统一的 API 接口，方便切换不同模型，降低对单一供应商的依赖。

4）链式调用（Chains）

  • 支持将多个任务串联成链，实现复杂的任务流程。

  • 例如，可以将文本生成、情感分析、翻译等任务组合成一个链式调用，简化开发流程。

5）数据加载与处理

  • 内置多种数据加载器，支持从文件、数据库、API 等来源加载数据。

  • 提供数据预处理工具，如文本清洗、分词、格式化等，便于后续分析和处理。

6）高性能与可扩展性

  • 针对 Java 的高性能特性进行优化，适合处理大规模数据和复杂任务。

  • 支持分布式计算和异步调用，适合高并发场景。

7）丰富的工具和实用功能

  • 提供多种实用工具，如日志记录、配置管理、缓存机制等。

  • 内置对 Prompt 工程的支持，帮助开发者更好地设计和优化提示词（Prompts）。

8）活跃的社区与文档支持

  • 拥有活跃的开发者社区，提供及时的技术支持和问题解答。

  • 提供详细的文档和示例代码，帮助开发者快速上手。

三、Langchain4j 整合常用大模型案例实践

接下来，以微服务中主流技术框架springboot为例，通过实战案例演示如何整合Langchain4j 并对接目前市场上主流的AI大模型能力。

3.1 前置准备

在正式开始对接各类大模型之前，需要提前在相关的大模型平台获取对接的apikey，下面分别说明。

3.1.1 对接通义千问大模型

对接通义千问系列的大模型，目前比较快捷的方式是通过阿里云的百炼平台进行使用

百炼大模型：大模型服务平台百炼控制台

帮助文档：如何获取API Key_大模型服务平台百炼(Model Studio)-阿里云帮助中心

1）获取apikey

如下，找到左侧API-Key菜单，然后点击创建API-Key，这里的apikey即为程序中对接的时候要使用的。

3.1.2 对接DeepSeek大模型

需要登录DeepSeek API对接中心获取apikey，操作入口：DeepSeek ，登录到下图的页面后，在左侧API Keys一栏，点击创建API Key ，注意，使用官方的apikey需要为当前账户留有一定的金额

3.1.3 创建工程导入核心依赖

创建一个springboot 工程，并导入下面的核心依赖

bash 复制代码 
<properties>
     <maven.compiler.source>17</maven.compiler.source>
     <maven.compiler.target>17</maven.compiler.target>
     <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
     <spring-boot.version>3.2.6</spring-boot.version>
     <knife4j.version>4.3.0</knife4j.version>
     <langchain4j.version>1.0.0-beta3</langchain4j.version>
     <mybatis-plus.version>3.5.11</mybatis-plus.version>
 </properties>

 <dependencies>

     <!-- web应用程序核心依赖 -->
     <dependency>
         <groupId>org.springframework.boot</groupId>
         <artifactId>spring-boot-starter-web</artifactId>
     </dependency>

     <!-- 编写和运行测试用例 -->
     <dependency>
         <groupId>org.springframework.boot</groupId>
         <artifactId>spring-boot-starter-test</artifactId>
         <scope>test</scope>
     </dependency>

     <!-- 基于open-ai的langchain4j接口：ChatGPT、deepseek都是open-ai标准下的大模型 -->
     <!--<dependency>
         <groupId>dev.langchain4j</groupId>
         <artifactId>langchain4j-open-ai</artifactId>
         <version>${langchain4j.version}</version>
     </dependency>-->

     <!-- 基于openai系列整合的springboot-starter -->
     <dependency>
         <groupId>dev.langchain4j</groupId>
         <artifactId>langchain4j-open-ai-spring-boot-starter</artifactId>
     </dependency>

     <!-- 接入阿里云百炼平台 -->
     <dependency>
         <groupId>dev.langchain4j</groupId>
         <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
     </dependency>

     <!--langchain4j高级功能-->
     <dependency>
         <groupId>dev.langchain4j</groupId>
         <artifactId>langchain4j-spring-boot-starter</artifactId>
     </dependency>

 </dependencies>

 <dependencyManagement>
     <dependencies>
         <!--引入SpringBoot依赖管理清单-->
         <dependency>
             <groupId>org.springframework.boot</groupId>
             <artifactId>spring-boot-dependencies</artifactId>
             <version>${spring-boot.version}</version>
             <type>pom</type>
             <scope>import</scope>
         </dependency>

         <!--引入langchain4j依赖管理清单-->
         <dependency>
             <groupId>dev.langchain4j</groupId>
             <artifactId>langchain4j-bom</artifactId>
             <version>${langchain4j.version}</version>
             <type>pom</type>
             <scope>import</scope>
         </dependency>

         <!--引入百炼依赖管理清单-->
         <dependency>
             <groupId>dev.langchain4j</groupId>
             <artifactId>langchain4j-community-bom</artifactId>
             <version>${langchain4j.version}</version>
             <type>pom</type>
             <scope>import</scope>
         </dependency>

     </dependencies>

 </dependencyManagement>

3.2 Langchain4j 对接DeepSeek大模型

使用Langchain4j 在最初对接DeepSeek的时候，走的是openai的标准对接，所以在上述的pom中可以看到langchain4j-open-ai-spring-boot-starter这个依赖组件。

3.2.1 导入核心依赖

pom文件中导入下面的这个依赖

bash 复制代码 
<!-- 基于openai系列整合的springboot-starter -->
<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-open-ai-spring-boot-starter</artifactId>
</dependency>

3.2.2 添加配置文件

在工程的配置文件中添加下面的配置信息

java 复制代码 
server:
  port: 8082

#直接对接的是deepseek官网的的大模型
langchain4j:
  open-ai:
    chat-model:
      api-key: 你的apikey   #这里填写的是官网的api-key
      model-name: deepseek-chat
      log-requests: true
      log-responses: true
      base-url:  https://api.deepseek.com

3.2.3 添加测试接口

添加一个测试接口，接口中主要是测试deepseek的对话能力，参考下面的代码：

java 复制代码 
package com.congge.controller;

import dev.langchain4j.model.openai.OpenAiChatModel;
import jakarta.annotation.Resource;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/deepseek")
public class OpenAiDeepController {

    @Autowired
    private OpenAiChatModel openAiChatModel;

    //localhost:8082/deepseek/chat?question=你是谁
    @GetMapping("/chat")
    public Object chat(@RequestParam("question") String question){
        String chat = openAiChatModel.chat(question);
        return chat;
    }

}

启动工程之后，调用一下接口，看到下面的效果

3.3 Langchain4j 对接阿里云大模型

阿里云百炼平台上提供了丰富的各个厂商的大模型可供选择，比如千问系列，deepseek系列等，这样为应用开发者提供了更加丰富的选择，也更为灵活，下面简单介绍下使用方式。

3.3.1 导入核心依赖

使用阿里云百炼平台上的大模型，需要导入下面的这个依赖，这个组件相当是提供了langchain4j操作各个大模型的纽带功能

java 复制代码 
<!-- 接入阿里云百炼平台 -->
<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
</dependency>

3.3.2 添加配置文件

在配置文件中添加下面的配置信息

java 复制代码 
server:
  port: 8082

#直接对接的是deepseek官网的的大模型
langchain4j:

  #阿里百炼平台的模型
  community:
    dashscope:
      chat-model:
        api-key: 你的apikey #这个是白炼平台的apikey
        model-name: qwen-max

logging:
  level:
    root: debug

3.3.3 添加测试接口

在工程中添加一个测试接口，这里提供了一个对话的接口和文生图的接口，参考下面的代码

java 复制代码 
package com.congge.controller;

import dev.langchain4j.community.model.dashscope.QwenChatModel;
import dev.langchain4j.community.model.dashscope.WanxImageModel;
import dev.langchain4j.data.image.Image;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.model.output.Response;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import java.net.URI;

@RestController
@RequestMapping("/qwen")
public class QwenCahtController {

    @Autowired
    private QwenChatModel qwenChatModel;

    //localhost:8082/qwen/chat?question=你是谁
    @GetMapping("/chat")
    public Object chat(@RequestParam("question") String question){
        String chat = qwenChatModel.chat(question);
        return chat;
    }

    //localhost:8082/qwen/image
    @GetMapping("/image")
    public Object image(){
        WanxImageModel wanxImageModel = WanxImageModel.builder()
                .modelName("wanx2.1-t2i-plus")
                .apiKey("你的apikey")
                .build();
        String desc = "奇幻森林精灵：在一片弥漫着轻柔薄雾的\n" +
                "                古老森林深处，阳光透过茂密枝叶洒下金色光斑。一位身材娇小、长着透明薄翼的精灵少女站在一朵硕大的蘑菇上。她\n" +
                "                有着海藻般的绿色长发，发间点缀着蓝色的小花，皮肤泛着珍珠般的微光。身上穿着由翠绿树叶和白色藤蔓编织而成的\n" +
                "                连衣裙，手中捧着一颗散发着柔和光芒的水晶球，周围环绕着五彩斑斓的蝴蝶，脚下是铺满苔藓的地面，蘑菇和蕨类植\n" +
                "                物丛生，营造出神秘而梦幻的氛围。";
        Response<Image> response = wanxImageModel.generate(desc);
                System.out.println(response.content().url());
        URI url = response.content().url();
        return url;
    }

}

启动工程后，分别做一下测试

1）对话接口效果

2）文生图接口效果

打开生成的url链接，最后下载的图片效果图如下，画面的质量还是很不错的

3.4 基于百炼平台使用openai的调用

引入了百炼的SDK依赖之后，如果你仍然想用之前对接openai的方式使用，依赖仍然使用第一个openai的，只需要简单调整下配置参数即可，如下，工程的配置文件中调整成下面这样，核心调整的位置包括：

  • apikey ，上面那种方式写的是deepseek官网的，这里写的是百炼上面的；

  • base-url ，上面写的是deepseek官网的，这里写的是百炼的地址；

java 复制代码 
server:
  port: 8082

#直接对接的是deepseek官网的的大模型
langchain4j:
  #改成阿里云百炼平台的deepseek模型
  open-ai:
    chat-model:
      api-key: 你的apikey  #百炼平台的apikey
      model-name: deepseek-v3
      base-url: https://dashscope.aliyuncs.com/compatible-mode/v1
      temperature: 0.7

仍然使用下面的这个接口

java 复制代码 
package com.congge.controller;

import dev.langchain4j.model.openai.OpenAiChatModel;
import jakarta.annotation.Resource;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/deepseek")
public class OpenAiDeepController {

    @Autowired
    private OpenAiChatModel openAiChatModel;

    //localhost:8082/deepseek/chat?question=你是谁
    @GetMapping("/chat")
    public Object chat(@RequestParam("question") String question){
        String chat = openAiChatModel.chat(question);
        return chat;
    }

}

启动工程后，调用下接口，效果如下：

四、写在文末

本文详细介绍了springboot整合langchain4j对接市场上主流大模型的详细过程，并通过实际案例演示了对接的过程，对于其他的大模型，其对接流程和方式也差不多，有兴趣的同学可以基于此继续深入研究，本篇到此结束，感谢观看。

热门推荐
01UV安装并设置国内源02KGG转MP3工具|非KGM文件|解密音频03不再让Windows更新！&Edge游戏助手卸载及关闭自动更新04奈飞工厂官网，国内Netflix影视在线看|中文网页电脑版入口05Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code06Linux下V2Ray安装配置指南07【2025.08.06最新版】Android Studio下载、安装及配置记录（自动下载sdk）08突破百度网盘的下载限速，两种方法教会你【超详细】09蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接10LMArena 图生图，生成产品图提示词prompt