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
花酒锄作田3 小时前
[python]argparse 包在聊天机器人中的应用
python
久违 °5 小时前
【AI-Agent】TagMatrix 数据标注工具开发
人工智能·数据分析·go·agent·数据隐私
NiceCloud喜云5 小时前
Opus 4.8 的 Effort Control 怎么选:Low 到 Max 五档策略
android·java·大数据·前端·c++·python·spring
AI360labs_atyun5 小时前
腾讯推出电子牛马Marvis,好用吗?
人工智能·科技·ai
Dfreedom.5 小时前
Windows、虚拟机、开发板组网通信原理及调试通联步骤
人工智能·windows·部署·边缘计算·开发板·模型加速
3DVisionary5 小时前
蓝光三维扫描:医疗制造的精度焦虑怎么解
人工智能·算法·制造·蓝光三维扫描·医疗制造·三维检测·义齿检测
Are_You_Okkk_5 小时前
基于MonkeyCode解析AI研发新模式,根治开发低效痛点
大数据·人工智能·开源·ai编程
AI玫瑰助手5 小时前
Python函数:默认参数的定义与注意事项
开发语言·python·信息可视化
好评笔记6 小时前
机器学习面试八股——常用损失函数
人工智能·深度学习·算法·机器学习·校招
weixin_468466856 小时前
全局与局部注意力机制新手实战指南
人工智能·python·深度学习·算法·自然语言处理·transformer·注意力机制