langchain4j

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。

奋斗的老史

LangChain4j 进阶实战系列这套文档面向的是想把大模型能力真正落到 Java 项目里的开发者。文章主线不是“这个项目有哪些类、哪些接口”，而是围绕 LangChain4j 的进阶能力讲清楚：为什么要这样设计、怎么一步步落地、真实项目里会遇到什么坑、应该怎样迁移到自己的业务系统。

小编码上说

LSH（局部敏感哈希）分桶，海量数据下的相似性搜索解决方案Springboot+LangChain4j+AI智能客服工单系统-AI调用性能优化-使用缓存-LSH分桶代码实现-海量数据下的相似性搜索

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。