langchain4j

java1234_小锋

Spring AI 2.0 vs LangChain4j，怎么选？大家好，我是Java1234_小锋老师。在 Java 企业应用里接大语言模型，常见两条路线：一是原生融入 Spring 生态的 Spring AI，二是为 Java 从零设计的 LangChain4j。两者目标相近——降低对接模型、RAG、工具与智能体的成本——但哲学、版本基线与集成方式并不相同。本文从定位、技术栈、编程模型、RAG 与智能体、生态与选型等角度做一次横向梳理，并辅以架构示意与流程图，便于在真实项目里做决策。

Spring AI Alibaba——支持Agent SkillSpring AI Alibaba是阿里团队针对Spring AI框架在国内应用风格的一种包装、扩展与延伸。

小安同学iter

LangChain4j：非 Spring 系，AI For Java的另一条路目录一技术实现：0 依赖管理1 AI代理调用2 向量模型3 向量数据库4 记忆存储5 流式聊天大模型

langchain4j+mysql+历史记录在构建 AI 聊天应用的过程中，很多开发者往往会把“记忆”和“聊天记录”混为一谈。但实际上，这两者在系统中的角色完全不同。

langchain4j+redis+持久化存储记忆Langchain4j官方默认模型记忆用内存存储，但是这样只要重启进程，记忆就会消失。这里我们利用redis的持久化存储RDB+AOF来解决这个问题，这样的搭配高效且方便。

霸道流氓气质

SpringBoot中集成LangChain4j实现集成阿里百炼平台进行AI对话记忆功能和对话隔离功能SpringBoot中集成LangChain4j实现集成阿里百炼平台进行AI快速对话：https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/160214877

霸道流氓气质

SpringBoot中集成LangChain4j实现集成阿里百炼平台进行AI快速对话SpringBoot中使用SpringAIAlibaba框架集成阿里云百炼实现AI快速对话入门示例：https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/160024361

疯狂成瘾者

LangChain4j ApacheTikaDocumentParser：多格式文档接入的统一入dev.langchain4j.data.document.parser.apache.tika.ApacheTikaDocumentParser。按官方文档，它属于 langchain4j-document-parser-apache-tika 模块，是 DocumentParser 的一个实现，基于 Apache Tika，负责自动识别文件格式并抽取文本内容；官方 RAG 教程明确把它定位为“几乎可自动解析现有大多数文件格式”的解析器。(GitHub)

冲上云霄的Jayden

LangGraph4j+LangChain4J 实验智能客服系统增加基于LLM 解决Prompt注入问题考量了Prompt注入对安全的问题后，基于LangGraph4j+LangChain4J 实验智能客服系统、恶意用户Prompt注入和处理的思考贴上实验的实现代码。

langchain4j+rag+qdrant在当前 AI 应用开发中，单纯依赖大模型（LLM）已经难以满足实际业务需求，例如：为了解决这些问题，逐渐形成了一种主流架构 —— 检索增强生成（RAG, Retrieval-Augmented Generation）。

java1234_小锋

LangChain4j简介以及快速入门LangChain4j 是一个基于 Java 的框架，用于构建与语言模型（如 OpenAI GPT 等）交互的应用程序。它是 LangChain 在 Java 平台上的实现版本，最初由 Python 版本开发。LangChain4j 提供了一个灵活的、易于使用的工具集，帮助开发者将语言模型与其他外部系统、数据源和应用程序无缝集成，构建强大的自然语言处理（NLP）应用。

最初的↘那颗心

LangChain4j入门：集成SpringBoot与核心概念全解析导读：在 Java 生态中，Spring AI 和 LangChain4j 是两个主流的大模型应用开发框架。Spring AI 擅长统一抽象和快速接入，而 LangChain4j 则在 Agent 开发和复杂工作流编排上更胜一筹。本文将从"LangChain4j 是什么"讲起，手把手完成 Spring Boot 集成，并建立一张核心概念的认知地图，帮你快速搞懂这个框架的全貌。

最初的↘那颗心

LangChain4j核心能力：AiService、Prompt注解与结构化输出实战导读：如果你用过 Spring Data JPA，一定对"只定义接口就能查数据库"这种体验印象深刻。LangChain4j 的 @AiService 做的事情如出一辙——只定义接口，就能调大模型。本文将从 @AiService 的设计理念出发，深入讲解 Prompt 注解体系（@SystemMessage、@UserMessage、@V）和结构化输出能力，帮你彻底掌握 LangChain4j 中最核心、最优雅的开发范式。读完本文，你会发现：与 Spring AI 相比，LangChain4j 在接口抽象层

【LangChain4j 10】【Skills】本系列内容来源于 LangChain4J 官网，内容稍作改删，仅做个人笔记使用。本系列使用 LangChain4J 版本：

高级java每日一道面试题-2025年9月23日-企业集成篇[LangChain4j]-如何与现有的企业中间件集成（Kafka、RabbitMQ）？在企业级架构中，LangChain4j 作为 Java 生态下的 LLM 集成框架，常需要与消息中间件（如 Kafka、RabbitMQ）协同工作，以构建高吞吐、异步、解耦且可靠的智能应用。以下从理论层面阐述集成方式、设计模式及关键考量。

豆豆豆大王

LangChain4j 中使用 RedisEmbeddingStore 指定知识库存储位置目录1、引入依赖2、自定义RedisEmbeddingStore3、配置RedisEmbeddingStore

LangChain4j Spring Boot Starter：自动配置与声明式 Bean 管理Spring Boot 的魅力在于"约定优于配置"——LangChain4j 1.4.0 将这个理念贯彻到底，让 AI 能力的接入从"写一百行配置"变成"加几个注解"。

LangChain4j 核心抽象：ChatMessage、UserMessage 与模型无关设计LangChain4j 的核心设计理念是"模型无关"——通过统一的抽象层，让开发者能够轻松切换不同的 LLM 提供商（OpenAI、Ollama、Anthropic 等），而无需重写业务代码。这一设计的基石就是 ChatMessage 体系。

LangChain4j Agent 模式：ReAct、Plan-and-Solve 与自主决策从"问答机器"到"自主智能体"——LangChain4j 1.4.0 的 Agentic 框架，让 AI 真正具备推理、规划、行动的完整能力。

LangChain4j RAG 核心：Document、Embedding 与向量存储抽象RAG（Retrieval-Augmented Generation，检索增强生成）是当前 AI 应用的核心技术，它通过检索外部知识库来增强 LLM 的能力。LangChain4j 提供了完整的 RAG 栈，从文档加载、嵌入生成到向量存储，形成一条完整的数据链路。