Spring Boot集成LangChain4j：与大模型对话的极速入门

摘要：本文旨在为Java开发者提供一份清晰的Spring Boot集成LangChain4j的实战指南。无需复杂的理论，我们将从零开始，通过两种主流方式（原生API与Spring Boot Starter）快速实现与大模型（以阿里云通义千问为例）的对话功能，并涵盖日志配置、依赖管理等关键细节，助你10分钟内跑通第一个AI应用。

一、引言：为什么选择LangChain4j？

在AI应用开发浪潮中，LangChain已成为连接应用程序与大语言模型（LLM）的事实标准框架。而LangChain4j 是其官方的Java版本，为Java生态系统带来了相同的强大能力。

对于Spring Boot开发者而言，集成LangChain4j意味着：

标准化：统一的API调用各种模型（OpenAI、通义千问、Ollama等）。
便捷集成：与Spring生态无缝融合，支持自动配置和依赖注入。
功能丰富：不仅支持简单对话（Chat），还为后续的RAG、Agent等高级应用打下基础。

本文将以实现一个简单的"会话功能"为目标，带你快速入门。

二、方式一：原生API集成（最直观）

这种方式直接依赖LangChain4j的核心库，适合快速原型验证或非Spring环境。

第一步：引入核心依赖

在项目的pom.xml中，添加langchain4j-open-ai依赖。注意，虽然名为"open-ai"，但它兼容所有OpenAI API协议的模型服务，如阿里云灵积平台。

XML 复制代码

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-open-ai</artifactId>
    <version>1.0.1</version> <!-- 请使用最新稳定版 -->
</dependency>

第二步：构建ChatModel并调用

通过一个简单的Java类，即可完成与大模型的对话。

java 复制代码

import dev.langchain4j.model.openai.OpenAiChatModel;

public class QuickStartDemo {
    public static void main(String[] args) {
        // 1. 构建模型对象
        OpenAiChatModel model = OpenAiChatModel.builder()
                // 以阿里云通义千问的兼容端点为例
                .baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1")
                // 建议将API-KEY存储在环境变量中，保障安全
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                // 指定模型，例如 qwen-plus（通义千问Plus）
                .modelName("qwen-plus")
                .build();

        // 2. 发起对话
        String answer = model.chat("请用Java写一个Hello World程序");
        
        // 3. 输出结果
        System.out.println(answer);
    }
}

baseUrl: 指向大模型服务的API地址。示例为阿里云的兼容模式端点。
apiKey : 你的模型服务平台密钥。**切勿硬编码在代码中！** 示例使用环境变量是安全最佳实践。
modelName: 指定要使用的具体模型。

运行此程序，你就能收到大模型的回复了！

第三步（增强）：启用请求/响应日志

调试时，查看原始的请求和响应JSON非常有用。只需引入日志框架（如Logback）并开启开关。

引入Logback依赖（Spring Boot默认包含，独立项目需手动添加）：

XML 复制代码

<dependency>
    <groupId>ch.qos.logback</groupId>
    <artifactId>logback-classic</artifactId>
    <version>1.5.18</version>
</dependency>

在构建模型时启用日志：

java 复制代码

OpenAiChatModel model = OpenAiChatModel.builder()
        .baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1")
        .apiKey(System.getenv("DASHSCOPE_API_KEY"))
        .modelName("qwen-plus")
        // 开启请求/响应日志
        .logRequests(true)
        .logResponses(true)
        .build();

启用后，控制台会打印详细的请求体和响应体，便于调试参数和排查问题。

小结：

引入 langchain4j-open-ai依赖。
使用 OpenAiChatModel.builder()构建对象，配置 url、api-key、modelName。
调用 model.chat()方法完成对话。
引入日志依赖，并通过 .logRequests(true).logResponses(true)开启详细日志。

三、方式二：Spring Boot Starter集成（生产推荐）

对于Spring Boot项目，使用官方提供的starter是更标准、更符合Spring习惯的方式。

第一步：创建项目并引入起步依赖

在Spring Boot项目的pom.xml中，引入以下依赖：

XML 复制代码

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-open-ai-spring-boot-starter</artifactId>
    <version>1.0.1</version> <!-- 请使用最新稳定版 -->
</dependency>

第二步：在 application.yml中配置模型

将模型配置外部化，是Spring Boot的核心特性。在 application.yml或 application.properties中配置：

复制代码

langchain4j:
  open-ai:
    chat-model:
      # 服务地址
      base-url: https://dashscope.aliyuncs.com/compatible-mode/v1
      # API密钥，推荐使用环境变量或配置中心
      api-key: ${DASHSCOPE_API_KEY}
      # 模型名称
      model-name: qwen-plus
      # 可选：开启详细日志
      log-requests: true
      log-responses: true

第三步：开发Controller接口

现在，你可以像注入任何Spring Bean一样，将 OpenAiChatModel注入到你的服务中。

java 复制代码

import dev.langchain4j.model.openai.OpenAiChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;

@RestController
@RequestMapping("/api/ai")
public class ChatController {

    @Autowired
    private OpenAiChatModel chatModel; // 由Spring自动装配

    @GetMapping("/chat")
    public String chat(@RequestParam String message) {
        // 直接使用注入的模型进行交互
        return chatModel.chat(message);
    }
}

启动应用，访问 http://localhost:8080/api/ai/chat?message=你好，即可获得AI的回复。

第四步（可选）：配置更详细的日志

如果你想查看LangChain4j内部更详细的执行过程，可以在配置文件中设置日志级别：

复制代码

logging:
  level:
    # 将LangChain4j相关包的日志级别设置为DEBUG
    dev.langchain4j: debug

四、关键点与最佳实践

API密钥安全 ：绝对不要提交到代码仓库。使用环境变量（System.getenv()）、Spring Cloud Config、或阿里云KMS等安全管理方式。
配置集中化 ：生产环境应将 base-url、model-name等也作为可配置项，便于切换模型或环境。
异常处理 ：实际应用中，model.chat()调用应添加完善的异常处理（如超时、限流、内容过滤等）。
连接池与超时：对于高频调用，可在配置中调整连接超时、读取超时等参数，优化性能。

五、总结

通过本文，你掌握了在Spring Boot项目中集成LangChain4j的两种方式：

原生API方式 简单直接，适合快速试验。
Spring Boot Starter方式 配置与代码分离，利用依赖注入，是构建生产级AI应用的首选。

你已经成功打通了Spring应用与大语言模型之间的桥梁。接下来，可以基于此探索LangChain4j更强大的功能，如：

对话记忆：实现多轮上下文对话。
工具调用：让大模型使用外部工具（函数调用）。
检索增强生成：为模型接入私有知识库。

希望这篇指南能帮助你高效起步,更多内容将在后面讲解

Spring Boot集成LangChain4j：与大模型对话的极速入门

一、 引言：为什么选择LangChain4j？

二、 方式一：原生API集成（最直观）

三、 方式二：Spring Boot Starter集成（生产推荐）

四、 关键点与最佳实践

五、 总结

一、引言：为什么选择LangChain4j？

二、方式一：原生API集成（最直观）

三、方式二：Spring Boot Starter集成（生产推荐）

四、关键点与最佳实践

五、总结