langchain4j

云和数据.ChenGuang

JAVAEE AI工程师路线图定位：Java后端 + AI应用落地，不是训练大模型算法岗，而是用Java做RAG、Agent、AI接口封装、AI业务系统、向量库集成，企业需求量最大的方向。技术主线：JavaEE基础 → 云原生Java → AI应用开发 → RAG/Agent工程化 → 项目实战 → 面试

LangChain4j用AiServices拼Tool写 LLM 应用时，最容易膨胀的是「手写消息列表 + 自己拼 tool call + 自己管会话」。LangChain4j 的 AiServices 换了个思路：先声明一个 Java 接口，再用 builder 把 ChatModel、记忆、工具、检索插进去，调用侧只剩一次方法调用。下面按官方 AiServices 教程与入门页落地四件事：接口与 builder、多用户 Memory、@Tool、以及把 RAG 做成按需 Tool。版本以文档示例的 langchain4j / langchain4j-op

ai开发-langchain4j-进阶-05-提示词工程

学习langChain4j的第二天，体验springBoot中的starter

武哥聊编程

【AI实战项目】基于LangChain4j+Springboot+Vue+RAG+PGVector的AI智能客服与工单处理系统该项目资料获取请点击上方⬆️卡片，然后进入【AI实战库】板块即可搜索到。B站演示视频 https://www.bilibili.com/video/BV1pEhV64ERV

yurenpai（27届找实习中）

从零读懂 AI 智能客服（一）：模块职责与 SSE 聊天链路（后端架构）本文主题：先建立后端全局认知，再走通一次 AI 对话从请求入口到 SSE 返回的主链路适合读者：刚接手 Spring Boot 多模块项目，希望系统理解 AI 客服后端的 Java 开发者代码基线：当前学习分支源码快照

ai开发-langchain4j-进阶-03-流式输出

LangChain4j / Introduction原文地址：https://docs.langchain4j.dev/intro引言欢迎！LangChain4j 的目标是简化将大语言模型（LLM）集成到 Java 应用程序中的过程。具体方式如下：

佛祖让我来巡山

Langchain4J+SpringBoot 保姆级教程来了你好！作为一名Java开发，我也曾看着Python那边的LangChain生态眼馋。不过现在好了，LangChain4j 让我们Java开发者也能优雅地接入大模型了。下面我就把整套方案给你梳理出来，从零到一，保姆级，咱们直接开干！

佛祖让我来巡山

LangChain4j + Spring项目保姆级教程大家好！今天咱们来聊聊如何在普通Spring项目中集成LangChain4j，一步步构建一个功能完整的AI对话应用。

Java 后端转型大模型：Demo 能跑不等于能上线聊《别急着换赛道：Java经验在 AI 项目里到底值多少？》之前，先说一句实在的：别急着背概念，先看它在真实项目里到底解决什么问题。

longchain4j实战 -- Multi-Agent协调机制实战随着大模型应用的发展，单 Agent 架构在简单场景下可以满足需求，但是面对企业复杂业务时会遇到一些问题。

spring boot + langchain4j +milvus实现向量存储我在gitee上有整体的项目示例，有兴趣的可以拉下来看看：https://gitee.com/JR542784/langchain4j-test，如果不知道怎么部署milvus可以从我的主页走索milvus有相关的说明

[Corner项目实战]Spring Boot + LangChain4j Tool Calling实战：让AI自动选择推荐策略本期聚焦内容：适合读者：想了解 LangChain4j 中 Tool 如何实际落地的人。在学习、制作Corner项目中，前端需要根据用户历史记录的多少，调用不同推荐接口，导致逻辑复杂

java1234_小锋

LangChain4j 中流式响应（Streaming Response）如何实现？与同步调用相比需要注意哪些问题？LangChain4j 是一个支持链式调用的框架，主要用于构建大语言模型（LLM）应用。它可以帮助开发者实现复杂的自然语言处理任务。在使用 LangChain4j 的过程中，流式响应（Streaming Response）是一个非常重要的特性，特别是在处理大数据或需要实时响应的场景中。

java1234_小锋

LangChain4j 开发Java Agent智能体- 多模态支持大家好，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 中 EmbeddingStore 的作用是什么？如何集成常见的向量数据库（如 PGVector、Chroma）？EmbeddingStore 在 LangChain4j 框架中扮演着重要的角色，它用于存储和检索文本的嵌入（embedding）。嵌入是将文本数据转换为高维向量的过程，这些高维向量能够捕捉文本内容的语义信息。通过使用 EmbeddingStore，我们可以有效地实现以下功能：

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。