SpringBoot集成大模型应用开发企业级项目--【篇一：LangChain4j入门】

一、LangChain4j入门

1、简介

LangChain4j 的目标是简化将大语言模型（LLM - Large Language Model）集成到 Java 应用程序中的过程。

1.1、历史背景

2022 年11月30日OpenAI发布了Chat GPT（GPT-3.5）

早在 2022 年10月，Harrison Chase 发布了基于Python的LangChain。

随后同时包含了Python版和JavaScript（LangChain.js）版的LangChain 也发布了。

2023 年 11 月，Quarkus 发布了 LangChain4j 的 0.1 版本，2025 年 2 月发布了 1.0 - Beta1 版本，4 月发布了1.0 - Beta3 版本

官网地址：

https://docs.langchain4j.dev

1.2、主要功能

• 与大型语言模型和向量数据库的便捷交互

通过统一的应用程序编程接口（API），可以轻松访问所有主要的商业和开源大型语言模型以及向量数据库，使你能够构建聊天机器人、智能助手等应用。

• 专为 Java 打造

借助Spring Boot 集成，能够将大模型集成到ava 应用程序中。大型语言模型与 Java 之间实现了双向集成：你可以从 Java 中调用大型语言模型，同时也允许大型语言模型反过来调用你的 Java 代码

• 智能代理、工具、检索增强生成（RAG）

为常见的大语言模型操作提供了广泛的工具，涵盖从底层的提示词模板创建、聊天记忆管理和输出解析，到智能代理和检索增强生成等高级模式。

1.3、应用示例

0. 你想要实现一个自定义的由人工智能驱动的聊天机器人，它可以访问你的数据，并按照你期望的方式运行：

   0. 客户支持聊天机器人，它可以：

      0. 礼貌地回答客户问题

   1. 处理 / 更改 / 取消订单

   2. 教育助手，它可以：

      0. 教授各种学科

   3. 解释不清楚的部分

      0. 评估用户的理解 / 知识水平

1. 你想要处理大量的非结构化数据（文件、网页等），并从中提取结构化信息。例如：

   0. 从客户评价和支持聊天记录中提取有效评价
   1. 从竞争对手的网站上提取有趣的信息
   2. 从求职者的简历中提取有效信息

2. 你想要生成信息，例如：

   0. 为你的每个客户量身定制的电子邮件

   1. 为你的应用程序 / 网站生成内容：

      0. 博客文章
      1. 故事

   2. 你想要转换信息，例如：

      0. 总结
      1. 校对和改写
      2. 翻译