langchain4j的RAG入门

重要真相

LangChain‑Python 有 RecursiveCharacterTextSplitter；但 LangChain4j（Java）1.8.x 没有叫这个名字的公开类！

我前面犯了错误，误以为Java有同名类，实际Java没有对外暴露RecursiveCharacterTextSplitter这个public类。

Java里面对应的递归分割能力：DocumentSplitters.recursive(maxSize, overlap) ，返回接口 DocumentSplitter。

对应关系

Python langchain	Java langchain4j 1.8.x
`RecursiveCharacterTextSplitter`	`DocumentSplitters.recursive(chunk_size, chunk_overlap)` 返回 `DocumentSplitter` 接口对象
`chunk_size`	第一个参数，最大字符数
`chunk_overlap`	第二个参数，重叠字符

⚠️Java的递归分割不对外暴露builder，不能自定义 separators、keepSeparator，这是langchain4j设计限制，底层实现类是包私有（default访问权限），你在代码里不能直接new、不能import。

底层实现类名字确实叫RecursiveCharacterTextSplitter，但是不是public，在包内私有，外部代码访问不到，所以你写代码import就报红找不到类。

所以，复刻你Python测试代码，Java只能这样写（可直接运行）

Python：

复制代码

splitter = RecursiveCharacterTextSplitter(
    chunk_size=20,
    chunk_overlap=4,
    separators=["\n\n", "\n", " ", ""],
    keep_separator=False
)

Java（1.8.x，只能使用工厂方法，不能自定义分隔符、不能关闭keepSeparator）

复制代码

package com.yh.ai;

import dev.langchain4j.data.document.Document;
import dev.langchain4j.data.document.DocumentSplitter;
import dev.langchain4j.data.document.splitter.DocumentSplitters;
import dev.langchain4j.data.segment.TextSegment;

import java.util.List;

public class SplitterDemo {
    public static void main(String[] args) {
        String text = """
I Love English hello world, how about you? If you're looking to get started with chat models, vector stores, or other LangChain components from a specific provider, check out our supported integrations
""";
        Document doc = Document.from(text);

        // Java等价递归分割，注意：不能自定义separators、keepSeparator！
        DocumentSplitter splitter = DocumentSplitters.recursive(20, 4);

        List<TextSegment> chunks = splitter.split(doc);

        System.out.printf("分割后共 %d 块：%n", chunks.size());
        for (int i = 0; i < chunks.size(); i++) {
            TextSegment seg = chunks.get(i);
            String chunkText = seg.text();
            System.out.printf("块%d（长度：%d）：%s%n",
                    (i+1),
                    chunkText.length(),
                    chunkText
            );
        }
    }
}

关键限制（面试容易踩坑）

Java DocumentSplitters.recursive(20,4) 内部递归逻辑和Python大体一样，优先段落、换行、空格切割；
但是Java API没有开放修改separators和keepSeparator的能力，使用内置固定分隔符，分隔符会保留到片段内，无法配置关闭；
底层RecursiveCharacterTextSplitter类是包私有，只能在它自己的package里面访问，业务代码无法导入、无法new，IDE提示找不到类。

如果我一定要完全复刻Python（自定义separators，keep_separator=false）？

两个选择：

升级更高版本langchain4j，看新版本是否开放builder；
自己手动抄一份Python版RecursiveCharacterTextSplitter算法，写一个Java自定义分割器，实现DocumentSplitter接口。

总结

❌不要写：RecursiveCharacterTextSplitter.builder()，编译报错，类不是public。
✅正确写法：DocumentSplitter splitter = DocumentSplitters.recursive(20,4);
Java和Python功能大体等价，但参数灵活性上Java的langchain4j弱于Python‑langchain。

课堂作业写RAG，直接用DocumentSplitters.recursive(xxx,xxx)就足够。如果考试，记住：Java没有公开的RecursiveCharacterTextSplitter类，入口是DocumentSplitters.recursive()工厂方法。