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

在 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
灵动的艺术2 小时前
如一 Agent 架构解读(二十四):Agent 高效率低成本思考
人工智能·agent·如一
Xxtaoaooo3 小时前
双11避坑:我用 WorkBuddy + TextIn xParse 做了个「避坑对比台」,商品详情图丢进去,参数矛盾自动现形
人工智能·1024程序员节·textin·workbuddy·ai数据层基础设施
昵称画3 小时前
交接班记录电子化:三班之间的信息不漏
开发语言·数据库·人工智能·低代码·php
Navicat中国3 小时前
将 Navicat 的 AI 助手连接到本地 LLM
人工智能·chatgpt
“AI国潮设计-小江”3 小时前
【AIGC实战】Python+SDXL批量生成“潮汕英歌舞不倒翁”IP | 角色一致性与多场景融合方案,附完整代码
开发语言·人工智能·python·prompt·aigc
点PY3 小时前
WeDetect论文精读
人工智能
CCC:CarCrazeCurator3 小时前
稀疏奖励 vs 稠密奖励:强化学习中的反馈带宽权衡
人工智能·深度学习·机器人
Linux_cy3 小时前
服务器管理工具哪个好用?我用了七八个
运维·服务器·javascript·python·ssh·面板·gmssh
骑着蜗牛撵大象3273 小时前
语音变分录、规则挡幻觉:拆解开源 AI 记账系统 Smart Ledger 的全栈设计
人工智能·ai·架构·js·数据校验
墨染天姬3 小时前
[AI]Cursor Subagent 机制详解
人工智能