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
老白干16 分钟前
jjwt 0.9.1 在 JDK 11+ 上的两个“坑”与完整解决方案
java·python·log4j
小飞猪。。17 分钟前
笔记十四:从零开始搞懂 DPO——大模型偏好对齐的“直球”方案
人工智能·深度学习·机器学习
OceanBase数据库官方博客6 小时前
OceanBase DataPilot AIP:Ontology 承载AI能力面的另一条路
人工智能·oceanbase
笨鸟先飞,勤能补拙7 小时前
AI 赋能网络安全:技术全景、成熟度评估与实战案例
人工智能·python·安全·web安全·网络安全·sqlite·github
一次旅行7 小时前
AI 前沿日报 | 2026年07月31日
人工智能
2601_963749107 小时前
标题:越华环保集团|面向美丽河湖项目的数字化污水治理云边协同采集架构设计
人工智能
沐籽李7 小时前
从溶剂可及表面积SASA理解抗体结构与工程改造
人工智能·药物设计·aidd·sasa
智慧物业老杨7 小时前
物业如何做好预算管理?落地架构逻辑
人工智能·架构
微学AI7 小时前
一根针指向所有方向:挂谷猜想对 LLM Agent 技能-记忆架构的启示
开发语言·人工智能·架构·挂谷猜想
城管不管7 小时前
ReAct、Plan-and-Execute、Reflection 三大智能 Agent 范式核心区别
java·人工智能·算法·spring·ai·动态规划