langchain4j

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。

LangChain4j AI Services 深度解析：声明式 API 与接口驱动开发LangChain4j 的 AI Services 是框架的核心特性之一，它采用声明式 API 设计，让开发者只需定义接口，无需编写实现类即可调用 LLM。这种设计类似于 Spring Data JPA 或 Retrofit，极大地简化了 AI 应用的开发复杂度。

LangChain4j 企业知识库实战：PDF 解析、OCR 与文档加载器生态企业知识库建设面临复杂文档处理挑战：PDF 表格、扫描件 OCR、多格式文档解析。LangChain4j 提供了丰富的文档加载器生态，支持 Apache Tika、PDFBox、Tesseract OCR 等工具，构建完整的文档处理链路。

LangChain4j 记忆架构：ChatMemory、持久化与跨会话状态多轮对话是 AI 应用的核心场景，LangChain4j 提供了完善的记忆架构，支持窗口滑动、Token 预算、持久化存储、跨会话状态管理。本文将深入剖析 ChatMemory 体系的设计与使用。

LangChain4j 与 OpenAI 深度集成：Function Calling、JSON Mode 与结构化输出OpenAI 的 API 提供了强大的 Function Calling、JSON Mode、Assistants API 等高级特性，LangChain4j 1.4.0 通过深度集成将这些能力无缝融入 Java 生态。本文将详细介绍如何使用 LangChain4j 调用 OpenAI 的完整功能栈。

01-milvus版本：v1.0 | 适用人群：Java AI 开发小白/企业级 RAG 开发工程师 | 前置环境：JDK17+、Docker、Maven/Gradle

开源智能体搭建平台MaxKB4j 技术文档MaxKB4j (Max Knowledge Base for Java) 是一个基于 Java/Spring Boot 和 LangChain4j 构建的开源的 RAG（检索增强生成）知识库和 LLM 工作流平台，支持多模型集成、可视化工作流编排、知识库问答和多模态能力，专为构建企业级智能问答系统而设计。

【LangChain4j 06】【结构化输出】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：

【LangChain4j 05】【RAG】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：

05、LangChain4j快速对接生图模型（百炼平台、智谱）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。

Milvus系列之02、Spring+Milvus实现RAG检索增强博主介绍：✌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。

适配AI平台的HTTP插件系统设计博主介绍：✌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。