入门LangChain4j框架,快速开发Java智能应用

5,503 阅读5分钟

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

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
  • 支持工具(函数调用 Function Calling)Tools (function calling)
  • 更高层次的抽象 AI Services
  • 支持检索增强生成技术 RAG (Retrieval-Augmented-Generation):
    • 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

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ChatLanguageModelEmbeddingStore及其 API。
  •  langchain4j 模块,包含有用的工具,如 ChatMemoryOutputParser 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,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

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-ollama-spring-boot-starter</artifactId>
    <version>${langchain4j.version}</version>
</dependency>

yml配置

langchain4j:
  ollama:
    chat-model:
      base-url: http://localhost:11434
      model-name: qwen:7b

代码实现

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

代码示例

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!