langchain4j

java1234_小锋

LangChain4j 开发Java Agent智能体- 对话与提示词工程(Prompt)大家好，我是Java1234_小锋老师，最近更新《2027版本 LangChain4j 开发Java Agent 智能体视频教程》专辑，感谢大家支持。

LangChain4j 集成 Spring Boot：会话记忆 NPE 的根源与 ChatMemoryProvider 正确配置Corner 是一个情绪驱动的地点推荐系统。用户选择心情 → AI 理解需求 → 调用工具链搜索 → 返回"治愈角落"。在这个过程中，记忆（Memory）是连接用户历史行为与个性化推荐的桥梁。

阿昌喜欢吃黄桃

Java优质开源AI项目Hi，我是阿昌，今天记录下几个 Java AI 开源项目。以前提到 AI 开发，大家第一反应基本都是 Python。

java1234_小锋

LangChain4j 开发Java Agent智能体- 整合SpringBoot4大家好，我是Java1234_小锋老师，最近更新《2027版本 LangChain4j 开发Java Agent 智能体视频教程》专辑，感谢大家支持。

从通用到专属：文迹（WenJi）引入 RAG 向量库的技术复盘承接 https://blog.csdn.net/anonymous_zb/article/details/159006754?spm=1001.2014.3001.5502 继续往下构思

java1234_小锋

LangChain4j 开发Java Agent智能体- HelloWorld 实现大家好，我是Java1234_小锋老师，最近更新《2027版本 LangChain4j 开发Java Agent 智能体视频教程》专辑，感谢大家支持。

java1234_小锋

LangChain4j 如何实现 RAG（检索增强生成）？请简述完整流程及其核心组件。RAG（Retrieval-Augmented Generation）是一种强大的自然语言处理方法，它结合了信息检索和生成模型的优势。具体来说，RAG 通过从外部知识库中检索相关信息，然后将其与生成模型生成的文本结合，来增强生成的答案的准确性和内容的丰富性。

java1234_小锋

什么是 AiServices？相比手动调用 ChatLanguageModel，它有哪些优势？AiServices（人工智能服务）是一个由多种人工智能技术组成的综合平台，旨在为开发者和企业提供便捷的方式来集成人工智能功能。这些服务通常围绕自然语言处理、图像识别、机器学习、数据分析等领域展开，允许用户通过简单的API调用利用复杂的AI模型。

langchain4j的应用我这边对接的是大模型是千问大模型，pom文件相关依赖，其中在 Maven 项目中引入 LangChain4j DashScope Spring Boot Starter 可以快速集成阿里云 DashScope 大模型能力到 Spring Boot 应用中，实现零样板代码的 AI 调用。

奋斗的老史

LangChain4j + Elasticsearch 实现企业级向量存储（支持混合检索、元数据过滤）在Java RAG项目开发中，很多项目不想额外部署 Milvus、Qdrant 等专用向量库，希望复用现有Elasticsearch集群实现向量存储+语义检索+全文检索。

小智医疗-尚硅谷Java大模型应用项目课程视频一套针对Java程序员的大模型应用项目实战LangChain4j + RAG + 向量数据库 + Function Calling

* SpringBoot整合LangChain4j在实际项目里，我们的 Java 代码最终都会运行在 Spring 框架之上。这一节就把这套能力无缝嵌入到 Spring Boot 体系中，让它真正成为一个可对外提供服务的智能应用。

爱编程的小新☆

Langchain4j工具调用目录一. Vue工程项目工具调用二. Vue工程模式开发开发写文件工具Vue项目生成工具调用流式输出在前两期中我们已经实现了能生成静态界面的AI生成平台，并且实现了对话记忆功能，让AI能够基于历史上下文进行网站的迭代优化，但是现在平台只支持生成原生网站，今天我们开发能生成更复杂的前端工程化功能，提高平台的实用性

奋斗的老史

Spring AI + Docling 企业级文档解析完全指南摘要：本文从入门到精通，详细介绍如何在 Spring Boot 项目中集成 Docling 文档解析服务。包含环境搭建、配置详解、661 行核心代码逐行解析、请求参数详解、返回数据处理、向量存储集成、生产级优化方案和完整测试用例。看完本文即可独立实现企业级文档解析功能。

爱编程的小新☆

Langchain4j对话记忆目录一. 对话历史的持久化存储1. 库表设计编辑二. 对话记忆方案设计开发实现在上期中我们ai应用生成平台已经实现了基础的网站应用生成能‍‍‍‍力，但是存在一个问题，就是每次对话都是独立的，AI没有办法及记住之前的交互内容，这样会导致的体验非常不好，如果对于第一次生成的网站不满意，此时就无法基于已经生成的网站进行迭代改进，大大限制了使用性，所以这期我们一起来实现对话记忆功能~

爱编程的小新☆

Langchain4j框架入门目录一. Langchain4j介绍二. 实现AI应用生成大模型接入开发AI服务结构化输出基本实现优化技巧

恼书:-(空寄

LangChain4j × 企业级AI｜从0到1落地指南对于Java技术栈的企业而言，AI落地最大的痛点的是什么？不是找不到合适的大模型，而是现有Java系统与AI能力脱节——要么需要额外引入Python栈，导致技术栈割裂、运维成本翻倍；要么AI能力与业务场景脱节，做出来的demo无法落地生产；要么忽略安全合规，踩中数据泄露、审计缺失的坑。而LangChain4j的出现，恰好解决了这些痛点。作为专为Java生态设计的企业级AI开发框架，它不是Python版LangChain的简单移植，而是针对Java静态类型特性深度重构的产物，无需重构现有系统，就能无缝集成S

带刺的坐椅

Java AI 框架三国杀：Solon AI vs Spring AI vs LangChain4j 深度对比当 AI 工程化从 Python 蔓延到 Java 生态，你该选哪把刀？如果说 2024 年是 "Java + AI" 的概念验证期，那 2026 年就是真正的交付之年。MCP 协议已成标配，Agent 编排从 Prompt Chain 走向确定性规划，Spring AI 2.0 GA 发布在即——Java 开发者第一次拥有了多个成熟的 AI 应用开发框架可选。

冲上云霄的Jayden

面向 FAQ、流程文档、规则文档的 RAG 处理方案一文了解LangChain4j RAG的概念、阶段、流程、Query压缩、Query路由、RAG+Tool等实战介绍了LangChain4j的RAG的使用，尚未深入处理具体的业务文档，本文对具体业务类型文档RAG。