LangChain4j
star很多，文档齐全，在AI服务中，提供了丰富的功能，示例代码丰富。
简介
是一个功能丰富、易于使用的Java AI开发框架，特别适合需要快速集成和使用大型语言模型的Java开发者。
项目特点
- 多语言模型支持：
○ 支持多种大语言模型（LLM），包括OpenAI、Anthropic、Cohere等。
○ 提供了统一的API接口，使得切换不同的语言模型变得简单。 - 丰富的功能：
○ LLM访问：轻松调用不同的语言模型进行文本生成、对话等任务。
○ Prompt定义：提供了灵活的Prompt定义方式，支持动态生成和模板化。
○ Function Calling：支持调用外部函数，将AI模型与其他服务集成。
○ 记忆（Memory）：支持会话记忆，保持对话上下文的连贯性。
○ Embedding：提供了文本嵌入功能，支持向量化表示。
○ Vector Store：支持向量存储，便于相似性搜索和推荐系统。 - 简洁的API设计：
○ 通过简洁的API设计，使得开发者可以快速上手，减少学习成本。
○ 示例代码简单明了，易于理解和使用。 - 框架集成：
○ 可以与Spring Boot等主流Java框架无缝集成，方便在现有项目中引入AI功能。
○ 提供了Spring Boot Starter，使得配置和使用更加方便。 - 社区和支持：
○ 文档：提供了详细的文档和示例代码，帮助开发者快速上手。
○ 社区：有活跃的社区和论坛，开发者可以在这里交流经验和解决问题。
○ 贡献：欢迎开发者贡献代码和提出改进建议，共同推动项目的持续发展。
应用场景
● 聊天机器人：构建能够进行自然对话的聊天机器人。
● 文本生成：生成文章、摘要、报告等文本内容。
● 情感分析：分析文本的情感倾向，用于市场调研和用户反馈分析。
● 翻译：提供多语言翻译功能。
● 推荐系统：基于用户行为和偏好，提供个性化推荐。
对Chians的理解不同
官方文档中表示：Chains 的概念源自 Python 的 LangChain（在引入 LCEL 之前）。其理念是Chain为每种常见用例（如聊天机器人、RAG 等）都提供一个 Chains。Chains 结合了多个低级组件并协调它们之间的交互。Chains 的主要问题是，如果您需要自定义某些内容，它们会过于死板。LangChain4j 仅实现了两个 Chains（ConversationalChain和ConversationalRetrievalChain），我们目前不打算添加更多 Chains。
提出了另一种解决方案，称为 AI Services，专为 Java 量身定制。 其理念是将与 LLM 和其他组件交互的复杂性隐藏在简单的 API 背后。
这种方法与 Spring Data JPA 或 Retrofit 非常相似：您声明性地定义具有所需 API 的接口，而 LangChain4j 提供实现此接口的对象（代理）。您可以将 AI Service 视为应用程序中服务层的一个组件。它提供AI服务。因此得名。
AI 服务处理最常见的操作：
● 格式化 LLM 的输入
● 解析 LLM 的输出
它们还支持更多高级功能：
● 聊天记忆
● 工具
AI 服务可用于构建有状态的聊天机器人，以促进来回交互，以及自动化隔离对 LLM 的每个调用的流程。
https://docs.langchain4j.dev/tutorials/ai-services#ai-services-1
springboot集成
Spring Boot应用程序
LangChain4j Spring Boot starter 大大简化了在 Spring Boot 应用程序中使用 AI 服务。
示例代码丰富。
Spring AI
Spring AI是2024年3月1日推出的，目前只有1.0.0版本。star4.9k，springboot版本要求3.2以上，jdk17及以上
版本更新不快，我6月份使用最新是0.8.1版本。
简介
《Spring AI》是Spring框架家族中的一个新成员，专门用于简化人工智能（AI）应用的开发。它借鉴了Spring框架的核心设计理念，提供了一个强大且灵活的平台，使得开发者可以更轻松地集成和使用各种AI服务和模型。以下是关于《Spring AI》的详细介绍，包括其特点、功能、应用场景和使用方法。
关键特点
- 强大的生态系统：
○ Spring 生态：《Spring AI》继承了Spring框架的强大生态系统，可以与Spring Boot、Spring Data、Spring Security等其他Spring项目无缝集成。
○ 丰富的扩展：提供了大量的扩展和模块，支持多种AI服务和模型。 - 低门槛：
○ 简单的API：提供了简洁易用的API，使得开发者可以快速上手，减少学习成本。
○ 开箱即用：通过Spring Boot Starter，可以快速集成到现有的Spring项目中。 - 多语言模型支持：
○ 多种模型：支持多种大型语言模型（LLM），包括OpenAI的GPT系列、Anthropic的Claude、阿里云的Qwen等。
○ 统一接口：提供了统一的API接口，使得切换不同的语言模型变得简单。 - 丰富的功能：
○ LLM访问：轻松调用不同的语言模型进行文本生成、对话等任务。
○ Prompt定义：提供了灵活的Prompt定义方式，支持动态生成和模板化。
○ Function Calling：支持调用外部函数，将AI模型与其他服务集成。
○ 记忆（Memory）：支持会话记忆，保持对话上下文的连贯性。
○ Embedding：提供了文本嵌入功能，支持向量化表示。
○ Vector Store：支持向量存储，便于相似性搜索和推荐系统。 - 反应式编程支持：
○ 反应式编程：支持反应式编程模型，可以构建高并发、低延迟的应用。
○ 非阻塞 I/O：使用非阻塞 I/O 操作，提高应用的响应能力和吞吐量。 - 安全性：
○ Spring Security：可以与Spring Security集成，提供强大的安全保护机制。
○ API密钥管理：支持API密钥的安全管理和使用。
应用场景
● 聊天机器人：构建能够进行自然对话的聊天机器人。
● 文本生成：生成文章、摘要、报告等文本内容。
● 情感分析：分析文本的情感倾向，用于市场调研和用户反馈分析。
● 翻译：提供多语言翻译功能。
● 推荐系统：基于用户行为和偏好，提供个性化推荐。
● 图像识别：支持图像识别和处理，适用于视觉相关的AI应用。
Agent-Flex
最近刚刚出炉的一个Java开发的AI应用框架，目前star不多才200+，可以看后续发展
简介
Agents-Flex 是一个 Java 开发的 AI 应用开发框架，是为了简化 AI 应用开发而生。 其灵感来源 LangChain、 LlamaIndex 以及作者作为一线 AI 应用开发工程师的最佳实践，提供了跨 AI 服务商的、可移植的、可编排、不限 Java 开发框架的 API 支持。
Agents-Flex 适用于聊天、图像生成、Embedding 模型、Function Calling 以及 RAG 应用、智能体编排等场景，支持同步以及流式（Stream）的 API 选择。
Agents-Flex 和其他框架对比
1、更具有普适性
相比 Spring-AI、LangChain4j 而言，Agents-Flex 更具有普适性。
- Spring-AI 要求的 JDK 版本必须是 JDK 17+，而 Agents-Flex 只需要 JDK 8+。
- Spring-AI 要求必须在 Spring 框架下使用，而 Agents-Flex 支持与任何的 JAVA 框架搭配使用，并提供了 spring-boot-starter 的支持。
- Spring-AI、LangChain4j 普遍不支持国内的大模型、Embedding 模型以及向量数据库，而 Agents-Flex 对国产服务支持友好。
2、更简易的 API 设计
使用 Agents-Flex 两行代码即可实现聊天功能
2、更强大的智能体编排
一个强大的 AI 应用，往往是需要灵活的编排能力来完成的， 相比 Agents-Flex 而言，Spring-AI、LangChain4j几乎没有编排的能力。
Chain（执行链） 编排
在 Agents-Flex 中，内置了 3 种不同的 Agents 执行链，他们分别是：
● SequentialChain：顺序执行链
● ParallelChain：并发（并行）执行链
● LoopChain：循环执行连
而以上 3 种执行链中，每个又可以作为其他执行链的子链进行执行，从而形成强大而复杂的 Agents 执行链条。
核心模块
LLMs大语言模型
Memory记忆
Embedding嵌入
Store存储
Document文档
Agent智能体
Chain执行链
结论
Java端的AI能力主要是在2024年出现的，出现的过程中吸收了之前大量AI相关开源框架的设计经验与考虑了它们应用上的弊端。
能力方面基本满足，但迭代更新频率不快。虽然文档丰富，但使用的人相对于python这几个流行框架来说还是太少。
后续会重点关注上面三个框架发展，从目前来看LangChain4j的能力方面更强，文档更丰富、使用人群更多。