换模型只改三行配置：LangChain4j + Spring Boot 3.5 实战，一次分别接入 9 家模型服务

把 9 家模型服务统一收进同一套 OpenAI 兼容协议之下，包括本地 Ollama，切换模型只需要改 base-url、api-key 和 model-name 三行配置。

完整代码已开源，可直接到Gitee仓库复制使用。

用 Java 做大模型应用，真正让人头疼的往往不是写 prompt，而是"换一家模型就得动一遍代码"：API 地址不一样、参数命名不一样、流式协议也不一样，模型一换，之前写好的胶水代码就得跟着重写。

这篇文章要拆的 LangChain4j-Chat 项目走的就是这条路，并且在它之上把流式响应、多轮对话记忆和声明式 AI 服务一并做了进去，技术底座是 LangChain4j + Spring Boot 3.5。

下面从项目定位讲起，一直讲到怎么把它跑起来、踩了坑往哪儿查。

一、项目定位：把"模型可替换"做进架构

项目名很直白，就叫 LangChain4j-Chat。一句话概括它的能力：

基于 LangChain4j + Spring Boot 3.5 的多模型 AI 聊天应用，9 家模型服务全部通过 OpenAI 兼容协议接入。

它解决的是模型可替换的问题。做 AI 功能很少一步到位就选定供应商：先用一家跑通原型，之后因为成本、合规或私有化部署的需要换模型，是常有的事。调用逻辑写死在业务代码里，换一次模型就是一次小型重构；把模型接入单独抽出来做成配置驱动，换模型就只剩改配置、重启这两步。

从工程结构看，它是一个标准的 Spring Boot 单体应用，每块职责都被拆到了独立的类里：

bash 复制代码

langchain4j-chat/
├── src/main/java/com/song/langchain4j/
│   ├── config/
│   │   └── ChatMemoryConfig.java          # 对话记忆配置
│   ├── controller/
│   │   └── ChatController.java       # REST API 控制器
│   ├── dto/
│   │   └── ChatRequest.java          # 请求 DTO
│   ├── service/
│   │   └── ChatAssistant.java        # AI 服务接口（@AiService）
│   └── ChatApplication.java          # Spring Boot 启动类
├── src/main/resources/
│   └── application.yml               # 应用配置文件
└── pom.xml                           # Maven 依赖配置

配置类管记忆、控制器管路由、服务接口管 AI 调用，分层清晰，也方便按这个骨架往自己的业务里搬。

项目对外承诺的特性一共五条，基本覆盖了做一个聊天后端最常见的能力：

多模型支持：兼容 OpenAI、DeepSeek、通义千问、豆包、文心一言、智谱、Kimi、混元、本地 Ollama，全部走 OpenAI 兼容协议；
流式响应：支持 Server-Sent Events（SSE）实时流式输出；
对话记忆：基于滑动窗口的多轮对话记忆管理；
声明式 API ：使用 @AiService 注解，简洁优雅地定义服务；
灵活配置：通过配置文件轻松切换不同模型。

二、技术栈：Java 17 + Spring Boot 3.5 + LangChain4j

项目的技术栈如下：

Java 17+
Spring Boot 3.5.16
LangChain4j 1.20.2-beta30
Spring WebFlux（用于流式响应）
Maven

xml 复制代码

<dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-webflux</artifactId>
        </dependency>

        <!-- OpenAI 兼容协议 starter：DeepSeek、DashScope 等通过它接入 -->
        <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j-open-ai-spring-boot-starter</artifactId>
            <version>1.20.2-beta30</version>
        </dependency>

        <!-- 声明式 AI Service starter：提供 @AiService 等自动配置 -->
        <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j-spring-boot-starter</artifactId>
            <version>1.20.2-beta30</version>
        </dependency>

        <!-- 流式对话 -->
        <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j-reactor</artifactId>
            <version>1.20.2-beta30</version>
        </dependency>
    </dependencies>

两个依赖多说两句。LangChain4j 是 Java 生态的 LLM 应用框架，项目靠它的 OpenAI 兼容客户端和 @AiService 注解，把模型调用简化成接口方法。Spring WebFlux 则是流式输出的底气：SSE 逐字返回，正对上响应式流"边生成边推送"的模型，打字机效果靠的就是它。

Spring Boot 3.5 则决定了整个应用的基础设施风格：自动配置、注解驱动、application.yml 集中管理配置。对熟悉 Spring 的开发者来说，上手成本很低。

顺带说一句流式响应为什么不选 WebSocket。SSE 是单向的服务器推送通道，服务端持续把新生成的文字推给客户端，客户端只负责接收，不需要双向通信。对"AI 逐字吐字"这种场景来说，SSE 更轻量、更贴合 HTTP 语义，也更容易在浏览器和各类 HTTP 客户端里消费；只有当交互真的需要双向实时通信时，才轮到 WebSocket 出场。这个项目选 SSE，图的就是它够用、又简单。

三、9 家模型服务，一套 OpenAI 兼容协议搞定

这是项目最有意思的设计：9 家模型服务全部通过 OpenAI 兼容协议接入。只要你的模型服务提供 OpenAI 兼容接口，接入方式和接 OpenAI 本身没有任何区别，本地 Ollama 也不例外，它在 http://localhost:11434/v1 暴露同样的 /chat/completions 端点。项目覆盖的 9 家模型服务如下（模型名以各平台控制台最新列表为准）：

模型	提供商	接入方式	备注
OpenAI	OpenAI	OpenAI 协议	gpt-4o、GPT-4、GPT-3.5-turbo
DeepSeek	DeepSeek	OpenAI 协议	deepseek-chat
通义千问	阿里云	OpenAI 协议	qwen-plus、qwen-max、qwen-flash
豆包	字节跳动	OpenAI 协议	doubao-pro-32k、doubao-1.5-pro-32k
文心一言	百度	OpenAI 协议	ernie-4.0-8k、ernie-3.5-8k
智谱 AI	智谱	OpenAI 协议	glm-4、glm-3-turbo
Kimi	Moonshot	OpenAI 协议	kimi-k3.1-pro、kimi-k2.6
混元	腾讯	OpenAI 协议	hunyuan-turbos-latest、hunyuan-lite
Ollama	本地部署	OpenAI 协议	llama3、qwen2.5 等

注意：豆包、文心、Kimi 的模型名都带有规格后缀（如 -32k、-8k），填写裸名会报 model not found。上线前请以各平台控制台的模型列表为准。

切换模型时，只需要改三样东西：base-url（模型的 API 地址）、api-key（密钥）、model-name（模型名）。各家服务的 Base URL 可以参考这张表：

模型	Base URL
OpenAI	`https://api.openai.com/v1`
DeepSeek	`https://api.deepseek.com/v1`
通义千问	`https://dashscope.aliyuncs.com/compatible-mode/v1`
豆包	`https://ark.cn-beijing.volces.com/api/v3`
文心一言	`https://qianfan.baidubce.com/v2`
智谱 AI	`https://open.bigmodel.cn/api/paas/v4`
Kimi	`https://api.moonshot.cn/v1`
混元	`https://api.hunyuan.cloud.tencent.com/v1`
Ollama	`http://localhost:11434/v1`

配其他家时照着这张表来就行，后面配任何一家模型都是同一套流程。

四、快速上手：三步把项目跑起来

1. 前置条件

动手之前，先确认环境齐备：

JDK 17 或更高版本；
Maven 3.8+；
至少一个可用的大模型 API Key（或者使用本地 Ollama，不需要 Key）。

2. 克隆项目

bash 复制代码

git clone <your-repo-url>
cd langchain4j-chat

3. 配置模型

项目的模型配置集中在 src/main/resources/application.yml 里。下面给出四种典型配置，按需取用。

四组配置结构完全一致：每组都同时声明 chat-model（普通对话）和 streaming-chat-model（流式对话），两者的 api-key、model-name、base-url 必须保持相同，只是前者同步返回、后者逐字推送。下文为节省篇幅，streaming-chat-model 部分仅列出关键字段。

配置一：使用 Ollama 跑本地模型（不花钱、可离线）：

yaml 复制代码

langchain4j:
  open-ai:
    chat-model:
      api-key: unused  # Ollama 不需要 API Key
      model-name: qwen2.5:3b
      base-url: http://localhost:11434/v1
      temperature: 0.7
    # streaming-chat-model 与 chat-model 字段完全相同（api-key/model-name/
    # base-url/temperature），实际配置时去掉注释写全，否则流式接口无法启动：
    # streaming-chat-model:
    #   api-key: unused
    #   model-name: qwen2.5:3b
    #   base-url: http://localhost:11434/v1
    #   temperature: 0.7

配置二：使用通义千问（DashScope） ：

yaml 复制代码

langchain4j:
  open-ai:
    chat-model:
      api-key: ${DASHSCOPE_API_KEY:sk-xxxxxxxxxxxxxxxx}
      model-name: qwen-plus
      base-url: https://dashscope.aliyuncs.com/compatible-mode/v1
      temperature: 0.7
    streaming-chat-model:
    # streaming-chat-model 段略：字段与 chat-model 完全相同，实际配置时必须两段都写

配置三：使用 DeepSeek：

yaml 复制代码

langchain4j:
  open-ai:
    chat-model:
      api-key: ${DEEPSEEK_API_KEY:sk-xxxxxxxxxxxxxxxx}
      model-name: deepseek-chat
      base-url: https://api.deepseek.com/v1
      temperature: 0.7
    streaming-chat-model:
    # streaming-chat-model 段略：字段与 chat-model 完全相同，实际配置时必须两段都写

配置四：使用 OpenAI：

yaml 复制代码

langchain4j:
  open-ai:
    chat-model:
      api-key: ${OPENAI_API_KEY:sk-xxxxxxxxxxxxxxxx}
      model-name: gpt-4o
      base-url: https://api.openai.com/v1
      temperature: 0.7
    streaming-chat-model:
    # streaming-chat-model 段略：字段与 chat-model 完全相同，实际配置时必须两段都写

注意配置里的 api-key 都用了 ${ENV_VAR:default_value} 的写法，这正是为了把密钥从代码库里剥离出去，具体怎么用环境变量兜住敏感信息，后面第七节还会展开。

4. 启动应用

打包后运行：

bash 复制代码

mvn clean package
java -jar target/langchain4j-chat-1.0-SNAPSHOT.jar

开发阶段也可以直接用 Maven 跑起来：

arduino 复制代码

mvn spring-boot:run

五、接口调用：普通对话、流式对话与控制器实现

应用起来之后，对外暴露的是 REST 风格的接口。项目给了三种典型用法，这一节末尾附上承载它们的控制器实现。

1. 普通对话（非流式）

一次性拿到完整回答，适合后端服务调用：

arduino 复制代码

curl -X POST http://localhost:8080/ai/chat \
  -H "Content-Type: application/json" \
  -d '{
    "memoryId": "user123",
    "message": "你好，请介绍一下你自己"
  }'

响应是一段完整的文本：

arduino 复制代码

"你好！我是你的 AI 助手，很高兴为你提供帮助。有什么问题都可以问我！"

2. 流式对话（SSE）

这是最能体现"实时感"的一个接口。请求用 curl -N 关掉缓冲，就能看到逐字返回的效果：

arduino 复制代码

curl -N "http://localhost:8080/ai/stream?memoryId=user123&message=请写一首关于春天的诗"

返回的是 SSE 事件流，每个字符一个 data: 事件：

makefile 复制代码

data: 春
data: 天
data: 来
data: 了
data: ，
data: 万
data: 物
data: 复
data: 苏
...

在浏览器里访问，就会看到文字一个接一个冒出来的打字机效果。对前端来说，只要消费 SSE 事件流即可。

3. 多轮对话

多轮对话靠的是请求里的 memoryId。同一个 memoryId 会共享对话历史，不同的 memoryId 则各聊各的、互不干扰：

json 复制代码

# 第一轮
curl -X POST http://localhost:8080/ai/chat \
  -H "Content-Type: application/json" \
  -d '{"memoryId": "user123", "message": "我叫张三"}'

# 响应："你好张三，有什么可以帮助你的吗？"

# 第二轮（AI 会记得你的名字）
curl -X POST http://localhost:8080/ai/chat \
  -H "Content-Type: application/json" \
  -d '{"memoryId": "user123", "message": "我叫什么名字？"}'

# 响应："你叫张三"

第二轮里没人告诉模型名字，它还是答出了"你叫张三"，因为同一个 memoryId 下的历史消息被自动带进了上下文。

4. 控制器：把 AI 能力暴露成 REST 接口

ChatController.java 的核心实现如下，重点是流式端点的 produces = TEXT_EVENT_STREAM_VALUE，没有它，浏览器不会按 SSE 事件流消费响应：

less 复制代码

@RestController
@RequestMapping("/ai")
public class ChatController {

    private final ChatAssistant assistant;

    public ChatController(ChatAssistant assistant) {
        this.assistant = assistant;
    }

    /**
     * 普通对话接口（非流式）
     *
     * @param request 聊天请求，包含 memoryId 和 message
     * @return AI 完整回复
     */
    @PostMapping("/chat")
    public String chat(@RequestBody ChatRequest request) {
        return assistant.chat(request.getMemoryId(), request.getMessage());
    }

    /**
     * 流式对话接口（SSE）
     *
     * @param memoryId 对话记忆 ID
     * @param message  用户消息
     * @return 流式响应数据流
     */
    @GetMapping(value = "/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> stream(@RequestParam(value = "memoryId") String memoryId,
                               @RequestParam(value = "message") String message) {
        return assistant.stream(memoryId, message);
    }
}

六、核心代码解析：声明式 AI 服务与对话记忆

项目代码量不大，核心设计集中在两块：

1. 声明式 AI 服务：一个注解，接口就有了实现

src/main/java/com/song/langchain4j/service/ChatAssistant.java 用 @AiService 注解自动实现了 AI 调用：

less 复制代码

@AiService
public interface ChatAssistant {
    @SystemMessage("你是一个乐于助人的 AI 助手，回答简洁准确。")
    String chat(@MemoryId String memoryId, @UserMessage String message);

    @SystemMessage("你是一个乐于助人的 AI 助手，回答简洁准确。")
    Flux<String> stream(@MemoryId String memoryId, @UserMessage String message);
}

@SystemMessage 定义系统提示词，也就是给 AI 设定角色；
@MemoryId 标记对话记忆的归属，对应请求里的 memoryId；
@UserMessage 标记用户输入；
返回 String 是同步一次性响应，返回 Flux<String> 则是响应式流，正好对应上面的普通对话和流式对话两种接口。

补充一个容易踩的坑：返回 Flux<String> 依赖 langchain4j-reactor 模块的适配支持，漏掉这个依赖应用会在启动时报"不支持的返回类型"。如果不引入 Reactor，也可以改用 LangChain4j 原生的 TokenStream 返回类型，再在 Controller 里手动转成 SSE 事件流。

比起在每个 Controller 里手写 HTTP 请求、拼 JSON、手动解析响应，这种"把 AI 调用声明成接口"的写法，可读性和可维护性都高出一截。

2. 对话记忆：滑动窗口控制上下文长度

多轮对话的记忆管理在 src/main/java/com/song/langchain4j/config/ChatMemoryConfig.java 里配置，用的是滑动窗口策略：

scss 复制代码

@Bean
public ChatMemoryProvider chatMemoryProvider() {
    return memoryId -> MessageWindowChatMemory.builder()
            .id(memoryId)
            .maxMessages(20)  // 最多保留 20 条消息
            .build();
}

记忆按 memoryId 隔离，ChatMemoryProvider 收到 ID 就返回对应的记忆，不同用户互不干扰；maxMessages(20) 限定每个会话保留多少条。窗口大小是连贯性和成本之间的取舍：调大，模型记得的历史多，每次请求带的上下文也长；调小，响应省，但对话容易"忘事"。20 条只是默认值，按业务节奏调。

想调整记忆长度，改 .maxMessages(20) 这个参数即可。

七、常见问题速查

项目 README 里整理了几个高频问题，实际动手时大概率都会碰到。

Q1：如何切换不同的模型？

修改 application.yml 中的 base-url、api-key、model-name 三个配置项，然后重启应用即可。

Q2：中文乱码怎么办？

项目已默认启用 UTF-8 编码。如果仍然遇到乱码，检查两条：终端/浏览器是否使用 UTF-8 编码；配置文件是否保存为 UTF-8 格式。

Q3：如何调整对话记忆长度？

修改 ChatMemoryConfig.java 中的 .maxMessages(20) 参数。

Q4：流式响应不生效？

按顺序排查三点：是否配置了 streaming-chat-model；客户端是否支持 SSE（Server-Sent Events）；控制台日志里有没有报错。

Q5：如何使用本地 Ollama？

安装并启动 Ollama（官网 ollama.com）；
拉取模型：ollama pull qwen2.5:3b；
把配置中的 base-url 改为 http://localhost:11434/v1；
api-key 可以填任意值（例如 unused）。

关于密钥安全：生产环境建议用环境变量管理敏感配置，不要写死在配置文件里。

ini 复制代码

# Linux/Mac
export OPENAI_API_KEY="sk-xxxxxxxxxxxxxxxx"
export DASHSCOPE_API_KEY="sk-xxxxxxxxxxxxxxxx"
export DEEPSEEK_API_KEY="sk-xxxxxxxxxxxxxxxx"

# Windows
set OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx

然后在 application.yml 里用 ${ENV_VAR:default_value} 的格式引用，这正好解释了前面配置示例里那些 ${...} 的写法。

Q6：接入混元有什么要注意的？

腾讯云的大模型服务已升级为 TokenHub 平台，本文所用的混元 OpenAI 兼容地址（https://api.hunyuan.cloud.tencent.com/v1）面向存量用户保留，新用户建议直接在 TokenHub 控制台获取接入地址与模型列表，接入方式同样是 OpenAI 兼容协议。

八、当前限制与可能的演进方向

项目在 README 里很坦诚地列出了三条当前限制：

不支持运行时动态切换模型：需要修改配置文件并重启应用；
单模型模式：同一时间只能使用一个模型，无法同时调用多个模型；
无模型路由功能：所有请求都使用同一个配置好的模型。

一句话概括：它是配置驱动的单模型后端。做原型、做内部工具、学接入方式，都够用；要按场景动态路由、多模型协同，就得自己做架构升级。

九、想拿来改造？三步接进自己的业务

如果你想把这个项目当成自己聊天后端的起点，改造路径其实很清晰，基本围绕三件事。

第一步，定模型。 模型的事全在 application.yml 里，改 base-url、api-key、model-name 三项即可。建议先用本地 Ollama 起步：不用申请 Key、不产生线上调用，把"请求进来 → 模型返回 → 前端展示"这条链路先走通，确认没问题了，再换成线上模型。

第二步，定接口。 业务需要的 AI 能力，都往 ChatAssistant 这个接口里加。每加一个方法，用 @SystemMessage 设定这个场景的角色和约束，用 @UserMessage 接收用户输入，用 @MemoryId 标明它属于哪个会话；返回 String 就是一次性响应，返回 Flux<String> 就是流式响应。写法与前文那两行示例完全一致，不需要自己碰 HTTP 层。

第三步，定路由。 在 ChatController 里把新方法暴露成 REST 接口，并用 memoryId 区分会话，前端给每个用户（或每个会话窗口）分配一个独立 ID，记忆就会自动隔离开，不会串台。

还有两个容易忽略的收尾工作：记忆窗口 .maxMessages(20) 要按业务节奏调，客服问答这类短对话不用留太多，长档案式的对话可以适当放大；api-key 一律走环境变量，不提交进代码仓库。

这三步做完，你就得到一个能切换模型、支持流式输出、自带多轮记忆的 AI 聊天后端。

十、源代码

完整代码已开源：langchain4j-chat（Gitee）

结语

这个项目真正值得学的是把"模型可替换"当成架构里的核心设计：OpenAI 兼容协议抹平各家差异，配置驱动把切换成本压到最低，声明式 API 和滑动窗口记忆补齐对话后端的常用能力。Java 开发者拿它当聊天后端的起点，或者当 LangChain4j 与 Spring Boot 3.5 集成的参考实现，都合适。

如果你想自己跑一遍，可以从本地 Ollama 配置起步，不花一分钱就能把整条链路走通。