--- theme: orange highlight: a11y-dark --- > 如何快速接入大模型？Python语言有LangChain等优秀框架，在Java语言也出现了Spring AI、LangChain4j框架，本文开始将进入 LangChain4j的世界一探究竟。 > > 本文所有示例均基于 `langchain4j 0.32.0` 版本，LangChain4j 框架在快速发展阶段，大家多参考官方文档。 # LangChain4j 框架是什么？ LangChain4j 于 2023 年初在 ChatGPT 的炒作中开始开发。思想来源于 Python 和 JavaScript LLM 库，并加入创新思想，开发一款Java语言版本的 LLMs 库。 **

LangChain4j 的目标是简化Java 应用程序集成LLMs

** 所以 LangChain4j 就是一个通过`抽象统一API`、`提供便捷可用的工具箱`来简化 Java 应用程序集成LLMs的框架。 * 统一的API：LangChain4j 目前支持 15+ 热门LLM提供商和 15+ 嵌入模型。 > 目前市面上存在多种大模型、嵌入模型。模型定义、接口规范并不统一，当接入大模型时需要对其API细节进行了解。所以LangChain4j统一接入大模型API，封装内部细节，可以无缝从一个大模型对接切换到另外一个模型而无需修改代码。 * 全面的工具箱：工具箱包括各种工具，从低级提示模板、聊天记忆管理和输出解析到高级模式，如 AI Services 和 RAG。 > 通过识别重复代码、抽象、模式和技术，LangChain4j 已将这些提炼成一个现成的工具包。 * 大量的示例：LangChain4j提供大量的使用示例，与 Quarkus 和 Spring Boot 的集成等。 LangChain4j 与 Spring AI 的宗旨基本一致，为简化 Java 应用快速接入 LLMs 而生，只是其各自侧重点、框架的能力有所不同而已。 # LangChain4j 能干什么？ ## 集成能力 * 集成 15+个语言大模型 [15+ LLM providers](https://docs.langchain4j.dev/integrations/language-models) * 集成 15+个向量数据库 [15+ embedding (vector) stores](https://docs.langchain4j.dev/integrations/embedding-stores) * 集成 10+个嵌入模型 [10+ embedding models](https://docs.langchain4j.dev/category/embedding-models) * 集成 4个图片大模型 [4 cloud and local image generation models](https://docs.langchain4j.dev/category/image-models) * 集成 2个评分重排名模型 [2 scoring (re-ranking) models](https://docs.langchain4j.dev/category/scoring-reranking-models) * 集成 2个代码执行引擎，支持动态函数调用(Function Calling) * 集成 1个 OpenAI 审核模型，实现输入/输出有害信息审核 ## 功能能力 * 同步、流式聊天模式，支持多种格式化输出方法「基本类型、自定义Pojo等」 * 提示词模板、聊天记忆[chat memory](https://docs.langchain4j.dev/tutorials/chat-memory) * 支持工具（函数调用 Function Calling）[Tools (function calling)](https://docs.langchain4j.dev/tutorials/tools) * 更高层次的抽象 [AI Services](https://docs.langchain4j.dev/tutorials/ai-services) * 支持检索增强生成技术 [RAG (Retrieval-Augmented-Generation)](https://docs.langchain4j.dev/tutorials/rag): * 数据导入/索引: * 从多个来源（文件系统、URL、GitHub、Azure Blob 存储、Amazon S3 等）导入各种类型的文档（TT、PDF、DOC、PPT、XLS 等）。 * 使用多种算法将文档拆分为更小的片段。 * 对文档和片段进行后处理 * 使用嵌入模型生成嵌入片段 * 将嵌入保存到向量数据库 * （简单/高级）检索 * 查询转换（扩展、压缩）「 expansion, compression 」 * 查询路由「 Routing of queries 」 * 从向量存储或任何自定义源中检索 * 重排名「 Re-ranking 」 * 倒数排名融合「 Reciprocal Rank Fusion 」 * 自定义 RAG 流程中的每个步骤 * 支持文本分类 * 用于标记化和估计标记计数的工具从LangChain4j这些特性来看，目前（2024/07/02）比 Spring AI 框架稍强。 # LangChain4j 框架有什么？ ## 组件 ![image.png](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/ace216b77e324a29bf88c06b01048611~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5oi_5p2w:q75.awebp?rk3s=f64ab15b&x-expires=1770436445&x-signature=WtAn%2F%2FrgCgLsfD3PyQRJabqp07g%3D) ## 类库 LangChain4j采用模块化设计，包括： * `langchain4j-core` 模块，用于定义核心抽象。如`ChatLanguageModel`和`EmbeddingStore`及其 API。 * `langchain4j` 模块，包含有用的工具，如 `ChatMemory`、`OutputParser` 以及高级功能，如 `AiServices`。 * `langchain4j-{integration}` 模块，每个模块都提供与各种LLM提供商的集成，以及嵌入存储集成到LangChain4j中。也可以单独使用这些模块。 * `langchain4j-spring-{integration}-spring-boot-starter` 模块，与Spring boot项目集成，开箱即用。「 **目前支持的还不完善** 」。[langchain4j-spring](https://github.com/langchain4j/langchain4j-spring)，从模块的划分看，langchain4j略微混乱，应该像`Spring AI`分别划分模块，如Models模块、Embeddings模块。 ## API抽象层级在 API 抽象分为 Low Level 和 High Level 两种； * Low Level：在这个级别上，您可以最自由地访问所有低级组件，例如 `ChatLanguageModel` 、 `UserMessage` 、 `AiMessage` 、 `EmbeddingStore` 等 `Embedding`。我们称之为胶水代码，可以任何组合使用。 * High Level：在此级别，您可以使用高级 API 进行交互LLMs，例如 `AiServices` ，它向您隐藏了所有复杂性和样板。 # 入门示例 > 我们使用LowLevel API 演示接入 Ollama 本地大模型`qwen:7b`。 > > **如果想使用OpenAI，官方非常暖心就怕你没有，提供 String apiKey = "demo"; 直接使用这个apiKey，官方并且声明非常安全，不会记录用户的请求数据。** ## 引入依赖 ```pom dev.langchain4j langchain4j-ollama-spring-boot-starter ${langchain4j.version} ``` ## yml配置 ```yml langchain4j: ollama: chat-model: base-url: http://localhost:11434 model-name: qwen:7b ``` ## 代码实现 ```java package org.ivy.controller; import dev.langchain4j.model.chat.ChatLanguageModel; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @RequestMapping("/ll/") @RestController public class ChatController { private final ChatLanguageModel chatLanguageModel; public ChatController(ChatLanguageModel chatLanguageModel) { this.chatLanguageModel = chatLanguageModel; } @GetMapping("chat") public String chat(String prompt) { return chatLanguageModel.generate(prompt); } } ``` 示例基于 LangChain4j 0.32.0 版本！ ## 验证效果 ![image.png](https://p1-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/277f65a7d800425ba3fdb4e63bf303e9~tplv-k3u1fbpfcp-jj-mark:0:0:0:0:q75.image#?w=3822\&h=522\&s=118941\&e=png\&b=fefefe) # 代码示例 * 示例代码：[langchain4j-examples chat](https://github.com/Fj-ivy/langchain4j-examples/tree/main/chat) * LangChain4j 源代码：[Github 地址](https://github.com/langchain4j) * 官方文档：[文档地址](https://docs.langchain4j.dev/intro) # 总结本文主要对LangChain4j框架是什么，LangChain4j有什么并且能干什么进行了说明，并接入Ollama qwen:7b大模型实现简单的对话功能，后续文章继续对LangChain4j框架进行讲解！