LangChain4j快速入門實戰

作者：紅綠燈燈燈燈 2025-10-10 09:03:18

開發前端

目前主流的 Java AI 開發框架有?Spring AI[1]?和?LangChain4j[2]，它們都提供了很多?開箱即用的 API?來幫你調用大模型、實現 AI 開發常用的功能。

大家好，我是程序員NEO。現在 AI 應用開發可以說是程序員必備的技能了，求職時能夠大幅增加競爭力。本篇文章，我來給大家介紹一款主流的 Java AI 應用開發框架 LangChain4j。

什么是 LangChain4j？

目前主流的 Java AI 開發框架有 Spring AI^[1] 和 LangChain4j^[2]，它們都提供了很多 開箱即用的 API 來幫你調用大模型、實現 AI 開發常用的功能。

比如：

? 對話記憶

? 結構化輸出

? RAG 知識庫

? 工具調用

? MCP

? SSE 流式輸出

就我個人體驗下來，這兩個框架的很多概念和用法都是類似的，也都提供了很多插件擴展，都支持和 Spring Boot 項目集成。雖然有一些編碼上的區別，但孰好?孰壞，使用感受也是因人而異的。

實際開發中應該如何選擇呢？

這個答案等我后續再寫一篇文章來對比分析吧，今天我們主要來介紹 LangChain4j。最后再揭曉答案，因為那個時候?你自己也會有一些想法。

這里我簡單的新建一個 lang-chain4j-demo 項目，來演示一下它的基本用法。

打開 IDEA 開發工具，新建一個 Spring Boot 項目，Java 版本選擇 21（因為 LangChain4j 最低支持 17 版本）。

選擇依賴，使用 3.5.x 版本的 Spring Boot，引入 Spring MVC 和? Lombok 注解庫：

? SpringBoot 3.5.3

? JDK 21

新建項目后，先修改配置文件后綴為 yml，便于后面填寫配置。

這里我會建議大家創建一個 application-local.yml 配置文件，將開發時用到的敏感配置寫到這里，并且添加到 .gitignore 中，防止不小心開源出來。

好，接下來我們來添加 LangChain4j 依賴。先實現第一個功能：AI 對話 - ChatModel。

AI 對話 - ChatModel

ChatModel 是最基礎的概念，負責和 AI 大模型交互。

首先需要引入至少一個 AI 大模型依賴^[3]，這里選擇國內的阿里云大模型，提供了和 Spring Boot 項目的整合依賴包，比較方便：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
    <version>1.1.0-beta7</version>
</dependency>

需要到 阿里云百煉平臺^[4] 獲取大模型調用 key，注意不要泄露！

圖片

回到項目，在配置文件中添加大模型配置，指定模型名稱和 API Key：

langchain4j:
  community:
    dashscope:
      chat-model:
        model-name: qwen-max
        api-key: <You API Key here>

圖片

可以按需選擇模型名稱^[5]，追求效果可以用 qwen-max，否則可以選擇效果、速度、成本均衡的 qwen-plus。

圖片

除了編寫配置讓 Spring Boot 自動構建 ChatModel 外，也可以通過構造器自己創建 ChatModel 對象。這種方式更靈活，在 LangChain4j 中?我們會經常用到這種方式來構造對象。

ChatModel qwenModel = QwenChatModel.builder()
                    .apiKey("You API key here")
                    .modelName("qwen-max")
                    .enableSearch(true)
                    .temperature(0.7)
                    .maxTokens(4096)
                    .stops(List.of("Hello"))
                    .build();

有了 ChatModel 后，創建一個 AiCodeHelper 類，引入自動注入的 qwenChatModel，編寫簡單的對話代碼，并利用 L?ombok 注解打印輸出結果日志：

/**
 * @author BNTang
 */
@Service
@Slf4j
public class AiCodeHelper {

    @Resource
    private ChatModel qwenChatModel;

    public String chat(String message) {
        UserMessage userMessage = UserMessage.from(message);

        ChatResponse chatResponse = qwenChatModel.chat(userMessage);

        AiMessage aiMessage = chatResponse.aiMessage();

        log.info("AI 輸出：{}", aiMessage.toString());

        return aiMessage.text();
    }
}

編寫單元測試，向 AI 打個招呼吧：

@SpringBootTest
class AiCodeHelperTest {

    @Resource
    private AiCodeHelper aiCodeHelper;

    @Test
    void chat() {
        aiCodeHelper.chat("你好，我是程序員NEO");
    }
}

以 Debug 模式運行單元測試，成功運行并查看輸出：

圖片