LangChain4j快速入门

1️⃣ 安装与依赖

LangChain4j 基于 Java,通常用 Maven 或 Gradle 管理依赖。

Maven

pom.xml 中加入:

复制代码
<dependency>
    <groupId>io.langchain4j</groupId>
    <artifactId>langchain4j-core</artifactId>
    <version>0.2.7</version> <!-- 请确认最新版本 -->
</dependency>

如果要使用 OpenAI 或其他 LLM,需要额外依赖:

复制代码
<dependency>
    <groupId>io.langchain4j</groupId>
    <artifactId>langchain4j-openai</artifactId>
    <version>0.2.7</version>
</dependency>

Gradle

复制代码
implementation 'io.langchain4j:langchain4j-core:0.2.7'
implementation 'io.langchain4j:langchain4j-openai:0.2.7'

2️⃣ 初始化 LLM

假设你使用 OpenAI GPT-4

复制代码
import io.langchain4j.LangChain;
import io.langchain4j.agent.chat.ChatMessage;
import io.langchain4j.agent.chat.ChatResponse;
import io.langchain4j.model.openai.OpenAi;

public class LangChain4jQuickStart {

    public static void main(String[] args) {

        // 初始化 OpenAI LLM
        OpenAi llm = OpenAi.builder()
                .apiKey(System.getenv("OPENAI_API_KEY")) // 环境变量存储 API Key
                .build();

        // 构建 LangChain
        LangChain langChain = new LangChain(llm);

        // 调用 LLM
        ChatResponse response = langChain.chat("请用中文介绍 LangChain4j 的功能。");

        System.out.println(response.text());
    }
}

3️⃣ 常用模块

LangChain4j 的核心功能大致可分为:

模块 功能
LLM 调用 GPT、Claude 等大语言模型
PromptTemplate 构建可重用的提示模板
Chains 链式调用 LLM,处理复杂任务
Agents 可以动态选择工具或步骤执行
Memory 保存对话状态或上下文信息

示例:使用 PromptTemplate 构建链:

复制代码
import io.langchain4j.prompt.templates.PromptTemplate;

PromptTemplate template = PromptTemplate.fromTemplate("给我写一首关于{{topic}}的诗");
String prompt = template.format(Map.of("topic", "春天"));

然后可以传给 langChain.chat(prompt) 使用。


4️⃣ 简单示例:QA 链

复制代码
import io.langchain4j.chains.SimpleChain;
import io.langchain4j.document.Document;

Document doc = Document.fromText("LangChain4j 是一个用于 Java 的开源 LLM 框架。");

SimpleChain chain = SimpleChain.fromDocument(doc, llm);

String answer = chain.run("LangChain4j 是什么?");

System.out.println(answer);

5️⃣ 推荐学习路径

  1. 理解 LLM 调用:先学会用 OpenAI/GPT API。
  2. 掌握 PromptTemplate:复用提示,构建灵活任务。
  3. Chains 与 Agents:将简单调用组合成复杂流程。
  4. Memory 与 State:做长期对话或上下文任务。
  5. 工具链集成:接入数据库、搜索、计算器等工具。
相关推荐
leo在掘金1 小时前
从DeepSeek 510亿融资到GitHub 33K Star开源项目:这周的技术生态发生了什么?
人工智能
小姜前线技术2 小时前
AI流式渲染打字机效果抖动?节流方案踩坑实录
人工智能
用户018349301692 小时前
AI对话状态管理:useReducer还是XState
人工智能
先锋部队2 小时前
给AI对话加「停止生成」按钮:abort SSE实战
人工智能
新新技术迷2 小时前
移动端H5接AI对话的坑:键盘顶起与滚动到底
人工智能
cup113 小时前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill
aqi005 小时前
15天学会AI应用开发(七)有了大模型为什么还要引入RAG
人工智能·python·大模型·ai编程·ai应用
用户5191495848456 小时前
libcurl Headers API 释放后重利用漏洞:跨请求复用头句柄导致堆内存安全风险
人工智能·aigc
踩蚂蚁6 小时前
自定义语音唤醒词:从训练到部署的完整链路实践
人工智能