【技术专题】LangChain4j 开发Java Agent智能体 - 整合SpringBoot4

大家好，我是锋哥。最近连载更新《LangChain4j 视频教程，开发Java Agent智能体》技术专题。

本课程主要介绍和讲解 LangChain4j 简介，阿里云百炼大模型平台接入，Ollama简介以及安装和使用，HelloWorld 实现，日志配置，集成SpringBoot，Ai Service 使用，对话与提示词工程(Prompt)，结构化输出，会话记忆，工具调用(Function Calling)，嵌入模型与向量数据库，RAG(检索增强生成)，MCP(模型上下文协议)，多模态支持。同时也配套视频教程《2027版本 LangChain4j 视频教程，开发Java Agent智能体》

SLF4J日志配置

LangChain4j 使用SLF4J进行日志记录，允许您插入任何您喜欢的日志后端，例如Logback或Log4j。

（SLF4J是一套日志规范，类似JDBC规范，具体实现又厂家或者开源组织去实现）

前面我们运行的代码，都会有警告提示，没找到SLF4J的提供者。

我们可以pom.xml加下Logback依赖：

xml 复制代码

<dependency>
    <groupId>ch.qos.logback</groupId>
    <artifactId>logback-classic</artifactId>
    <version>1.5.8</version>
</dependency>

可以通过在创建模型实例时进行设置.logRequests(true)来启用对 LLM 的每个请求和响应的日志记录：.logResponses(true)

代码实现：

arduino 复制代码

package com.java1234;

import dev.langchain4j.model.openai.OpenAiChatModel;

/**
 * Hello world!
 */
public class App {
    public static void main(String[] args) {
        // 创建模型
        OpenAiChatModel model = OpenAiChatModel.builder()
                .logRequests(true) // 打印请求日志
                .logResponses(true) // 打印响应日志
                .baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1") // 模型地址
                .modelName("qwen3.6-plus") // 模型名称
                .apiKey(System.getenv("OPENAI_API_KEY")) // 密钥
                .build(); // 构建模型

        String answer = model.chat("你是谁？"); // 提问
        System.out.println(answer);
    }
}

运行输出：

整合SpringBoot4（使用百炼云平台接口）

我现在把LangChain4j整合到SpringBoot4里面去。

首先新建项目langchain4j_test，选Maven构建，jdk版本选17

继续Next下一步，选SpringBoot版本4.0.6，以及选择Spring Web依赖。

根据官方文档，pom.xml加下LangChain4j依赖：

xml 复制代码

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-open-ai-spring-boot4-starter</artifactId>
    <version>1.15.0-beta25</version>
</dependency>

application.yml里配置上模型参数，以及日志和日志级别：

yaml 复制代码

langchain4j:
  open-ai:
    chat-model:
      api-key: ${OPENAI_API_KEY}
      model-name: qwen3.6-plus
      base-url: https://dashscope.aliyuncs.com/compatible-mode/v1
      temperature: 0.7 # 是控制大语言模型（LLM）生成文本随机性或创造性的超参数。 它的值越高，模型越随机，越创造性。 范围是0-1
      log-requests: true
      log-responses: true

logging:
  level:
    dev.langchain4j: debug

再新建一个MyChatController来测试下：

kotlin 复制代码

package com.java1234.controller;

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

@RestController
public class MyChatController {

    @Autowired
    private OpenAiChatModel chatModel;

    @RequestMapping("/chat")
    public String chat(String question) {
        return chatModel.chat(question);
    }

}

我们启动项目，浏览器输入测试：http://localhost:8080/chat?question=你是谁？

浏览器返回：

整合SpringBoot4（使用Ollama）

LangChain4j专门开发了适配Ollama的库，pom.xml里加下：

xml 复制代码

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-ollama-spring-boot4-starter</artifactId>
    <version>1.15.0-beta25</version>
</dependency>

application.yml里配置ollama模型参数：

yaml 复制代码

langchain4j:
  ollama:
    chat-model:
      model-name: qwen3:4b
      base-url: http://localhost:11434
      temperature: 0.7 # 是控制大语言模型（LLM）生成文本随机性或创造性的超参数。 它的值越高，模型越随机，越创造性。 范围是0-1
      log-requests: true
      log-responses: true
  open-ai:
    chat-model:
      api-key: ${OPENAI_API_KEY}
      model-name: qwen3.6-plus
      base-url: https://dashscope.aliyuncs.com/compatible-mode/v1
      temperature: 0.7 # 是控制大语言模型（LLM）生成文本随机性或创造性的超参数。 它的值越高，模型越随机，越创造性。 范围是0-1
      log-requests: true
      log-responses: true


logging:
  level:
    dev.langchain4j: debug

MyChatController里注入OllamaChatModel，以及实现chat2方法

kotlin 复制代码

package com.java1234.controller;

import dev.langchain4j.model.ollama.OllamaChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class MyChatController {

    @Autowired
    private OpenAiChatModel chatModel;

    @Autowired
    private OllamaChatModel ollamaChatModel;

    @RequestMapping("/chat")
    public String chat(String question) {
        return chatModel.chat(question);
    }

    @RequestMapping("/chat2")
    public String chat2(String question) {
        return ollamaChatModel.chat(question);
    }

}

启动项目，浏览器输入测试：http://localhost:8080/chat2?question=你是谁？

浏览器返回内容：