langchain4j

AI应用代码生成平台环境准备 / 项目启动配置确保运行时兼容性与稳定性（JDK、Spring Boot 版本约束）。提供一致的服务入口与上下文（端口、context-path、统一配置）。

Langchain4j 系列之三十一 - Observability之入门上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

Langchain4j 系列之二十九 - Guardrails之一上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

带刺的坐椅

Solon AI Skills 会是 Agent 的未来吗？在 AI Agent 从“对话玩具”走向“工业级基础设施”的过程中，开发者面临的核心矛盾已不再是模型智力，而是工程约束的缺失。

Langchain4j 系列之二十七 - Ollama集成Deepseek上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

雪碧聊技术

4.Spring整合LangChain4j你好，LangChain4J：开启Java开发者的智能应用新篇章！欢迎来到本文，无论你是初次接触 LangChain4J，还是已经对 AI 应用开发有所涉猎，这里都将为你提供一个清晰的起点。

雪碧聊技术

1、LangChain4j 名字的寓意你好，LangChain4J：开启Java开发者的智能应用新篇章！欢迎来到本文，无论你是初次接触 LangChain4J，还是已经对 AI 应用开发有所涉猎，这里都将为你提供一个清晰的起点。

Langchain4j 系列之二十二 - Embedding Models上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

Langchain4j 系列之二十四 - Scoring (Reranking) Models上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

程序员欣宸

LangChain4j实战之十四：函数调用，高级API版本这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

Langchain4j 系列之二十一 - Language Models上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

程序员欣宸

LangChain4j实战之十三：函数调用，低级API版本这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

Langchain4j 系列之十九 - RAG之Retrieval上一个系列讲了Spring AI得到反馈效果不错，有人私信我说这个和Langchain4j有什么区别。如果站在使用方面，都是基于Java的大模型应用研发的工具，本质上没太大区别。但是从细节层面来说还是有很多不同之处，所以索性借此机会，给大家分享一下Langchain4j框架。在本系列中会按照Spring AI系列的顺序来写Langchain4j，这样的好处是可以对比两者不同的细节。

nl2sql技术实现自动sql生成之langchain4j SqlDatabaseContentRetriever在上一节nl2sql技术实现自动sql生成之Spring AI Alibaba Nl2sql已经通过spring ai alibaba的技术栈实现了一个简单的nl2sql的组件，下面我将通过langchain4j ai开发框架实现chatbi的功能（既能生成sql，并且基于sql去查询对应库查出结果，由大模型基于问题和查询结果生成最终回答）。

淡淡的说非

LangChain4j 深度解析与Java工程化落地实践面向中高级 Java 开发者 / 技术架构师，从核心架构、Java 生态深度适配、工程化落地到生产级避坑策略，系统化掌握 LangChain4j 在企业级 AI 应用体系中的构建方法论与最佳实践。

【系列文章合集】【全部系列文章合集】本篇作为一个合集的合集，整理各个系列文章内容（因为有时候我自己也忘了自己写了哪部分内容），仅做合集记录，不定期更新。

LangChain4j使用大模型需要传递的参数，在访问大模型时都需要在请求体中以 json 的形式进行传递。在与大模型交互的过程中，大模型响应的数据是 json 格式的数据。

程序员欣宸

LangChain4j实战之十二：结构化输出之三，json模式这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

何为ReAct模式 & Plan+Act框架博主介绍：✌目前全网粉丝4W+，csdn博客专家、Java领域优质创作者，博客之星、阿里云平台优质作者、专注于Java后端技术领域。

Spring AI 与 LangChain4j 对比随着大型语言模型（LLM）的崛起，软件工程领域正在经历一场范式转变，从确定性的逻辑编程转向概率性的生成式交互。在 Java 生态系统中，Spring AI 和 LangChain4j 已成为连接企业级应用与 AI 模型的主流框架。虽然两者的最终目标一致——即简化 Java 应用与 AI 的集成——但它们源于截然不同的设计哲学，导致了在实现同一功能时存在显著的机制差异。