IT评测·应用市场-qidao123.com技术社区

标题: 【微服务】SpringBoot整合LangChain4j 操作AI大模子实战详解 [打印本页]

---

作者: 钜形不锈钢水箱    时间: 2025-4-14 04:33
标题: 【微服务】SpringBoot整合LangChain4j 操作AI大模子实战详解
【微服务】SpringBoot整合LangChain4j 操作AI大模子实战详解

一、前言

随着人工智能技术的飞速发展，AI大模子已经在众多范畴展现出强大的本领，为业务拓展和商业价值提升带来了新的机会。SpringBoot作为一款广受接待的Java微服务框架，以其简洁、高效的特点深受开发者喜爱。而LangChain4j作为一款专注于AI大模子集成的开源库，为Java开发者提供了一种简单且高效的方式来接入和利用各种AI大模子。本文将详细介绍如何在SpringBoot中整合LangChain4j，实现对AI大模子的操作，资助读者快速上手并应用到实际项目中。
二、LangChain4j概述

（一）LangChain4j介绍

LangChain4j是一款基于Java的轻量级框架，专为Java开发者设计，旨在简化大型语言模子（LLMs）在Java应用中的集成。它借鉴了Python版LangChain的设计理念，提供了丰富的工具和组件，资助开发者快速构建基于LLMs的应用程序，如聊天机器人、问答体系、文本生成等。
（二）主要特点

• 模块化架构：允许开发者根据需要选择和利用特定功能，如模子集成、数据加载、链式调用等。
  
• 支持多种LLM提供商：如OpenAI、Hugging Face等，方便切换和集成差别模子。
  
• 提供链式调勤奋能：允许将多个任务串联，如文本生成后主动进行情感分析。
  
• 内置多种数据加载器和处置惩罚器：支持从差别泉源加载数据并进行预处置惩罚。
  
• 提供丰富的API和扩展点：开发者可以自界说组件以满足特定需求。
  

（三）焦点组件

LangChain4j的焦点组件包括语言模子（Language Model）、记忆（Memory）、工具（Tool）等。此中，语言模子是焦点，负责生成文本；记忆用于存储对话历史，以便模子可以或许进行上下文相关的回答；工具则可以扩展模子的本领，例如进行搜索、调用API等。
（四）焦点优势

• 简单易用：提供了简洁的API，方便开发者快速上手。
  
• 灵活性高：支持多种语言模子和工具，可以根据需求灵活组合。
  
• 安全性强：提供了API Key管理等功能，保障数据安全。
  

（五）焦点应用场景

LangChain4j适用于多种场景，包括但不限于：

• 聊天机器人：通过对话本领实现智能客服、虚拟助手等。
  
• 问答体系：结合知识库，提供准确的问答服务。
  
• 文本生成：生成文章、故事、代码等。
  

三、SpringBoot整合LangChain4j

（一）前置预备

• 获取API Key
  
  
  
  • 如果利用OpenAI的模子，需要在OpenAI官网注册账号并获取API Key。
    
  • 将API Key存储在情况变量或配置文件中，制止直接写在代码里。
    
  
  
• 导入基础依赖
  
  
  
  • 在pom.xml文件中添加LangChain4j相关依赖。例如，利用OpenAI的模子时，需要添加以下依赖：
    1. <dependencies>
    2.     <dependency>
    3.         <groupId>org.springframework.boot</groupId>
    4.         <artifactId>spring-boot-starter-web</artifactId>
    5.     </dependency>
    6.     <dependency>
    7.         <groupId>dev.langchain4j</groupId>
    8.         <artifactId>langchain4j-core</artifactId>
    9.         <version>最新版本号</version>
    10.     </dependency>
    11.     <dependency>
    12.         <groupId>dev.langchain4j</groupId>
    13.         <artifactId>langchain4j-open-ai</artifactId>
    14.         <version>最新版本号</version>
    15.     </dependency>
    16. </dependencies>

    复制代码
  
  
• 添加配置文件
  
  
  
  • 在application.properties或application.yml文件中配置语言模子的关键参数。以OpenAI为例：
    1. langchain4j.openai.apiKey=你的OpenAI API Key

    复制代码
  
  

（二）对话本领利用

1. Low Level API利用

1. import dev.langchain4j.model.chat.ChatLanguageModel;
2. import dev.langchain4j.model.openai.OpenAiChatModel;
4. @Service
5. public class ChatService {
6.     private final ChatLanguageModel chatModel;
8.     public ChatService() {
9.         this.chatModel = new OpenAiChatModel();
10.     }
12.     public String chat(String userMessage) {
13.         return chatModel.generate(userMessage);
14.     }
15. }

复制代码

2. High Level API利用

1. import dev.langchain4j.chain.ConversationalRetrievalChain;
2. import dev.langchain4j.model.chat.ChatLanguageModel;
3. import dev.langchain4j.model.openai.OpenAiChatModel;
4. import org.springframework.stereotype.Service;
6. @Service
7. public class ChatService {
8.     private final ChatLanguageModel model;
10.     public ChatService() {
11.         model = new OpenAiChatModel();
12.     }
14.     public String chat(String userMessage) {
15.         ConversationalRetrievalChain chain = ConversationalRetrievalChain.builder()
16.                 .chatLanguageModel(model)
17.                 .build();
18.         return chain.execute(userMessage);
19.     }
20. }

复制代码

3. 设置角色

1. import dev.langchain4j.template.PromptTemplate;
2. import org.springframework.stereotype.Service;
4. @Service
5. public class PromptService {
6.     private final PromptTemplate promptTemplate = PromptTemplate.from(
7.             "你是一个{{role}}，请用专业的角度回答：{{question}}");
9.     private final ChatLanguageModel chatModel;
11.     public PromptService(ChatLanguageModel chatModel) {
12.         this.chatModel = chatModel;
13.     }
15.     public String getResponse(String role, String question) {
16.         String prompt = promptTemplate.apply(Parameters.from(
17.                 "role", role,
18.                 "question", question));
19.         return chatModel.generate(prompt);
20.     }
21. }

复制代码

（三）会话记忆

1. Low Level API的实现

1. import dev.langchain4j.memory.chat.MessageWindowChatMemory;
2. import dev.langchain4j.model.chat.ChatLanguageModel;
3. import dev.langchain4j.model.openai.OpenAiChatModel;
5. @Service
6. public class ChatService {
7.     private final ChatLanguageModel chatModel;
8.     private final MessageWindowChatMemory memory;
10.     public ChatService() {
11.         this.chatModel = new OpenAiChatModel();
12.         this.memory = MessageWindowChatMemory.builder()
13.                 .maxMessages(50)
14.                 .build();
15.     }
17.     public String chat(String userMessage) {
18.         memory.add(UserMessage.from(userMessage));
19.         String response = chatModel.generate(memory.messages());
20.         memory.add(AiMessage.from(response));
21.         return response;
22.     }
23. }

复制代码

2. High Level API的实现

1. import dev.langchain4j.chain.ConversationalRetrievalChain;
2. import dev.langchain4j.model.chat.ChatLanguageModel;
3. import dev.langchain4j.model.openai.OpenAiChatModel;
4. import dev.langchain4j.memory.chat.MessageWindowChatMemory;
6. @Service
7. public class ChatService {
8.     private final ChatLanguageModel model;
9.     private final MessageWindowChatMemory memory;
11.     public ChatService() {
12.         model = new OpenAiChatModel();
13.         memory = MessageWindowChatMemory.builder()
14.                 .maxMessages(50)
15.                 .build();
16.     }
18.     public String chat(String userMessage) {
19.         ConversationalRetrievalChain chain = ConversationalRetrievalChain.builder()
20.                 .chatLanguageModel(model)
21.                 .chatMemory(memory)
22.                 .build();
23.         return chain.execute(userMessage);
24.     }
25. }

复制代码

（四）Function Calling

1. 焦点概念

Function Calling允许模子调用外部函数来获取数据或执行操作。例如，模子可以调用一个搜索API来获取最新的信息。
2. 应用场景

• 联网搜索：模子可以通过调用搜索API获取实时信息。
  
• 调用外部API：例如调用天气API获取天气信息。
  

3. 案例代码

1. import dev.langchain4j.agent.Agent;
2. import dev.langchain4j.agent.AgentToolCall;
3. import dev.langchain4j.agent.AgentToolCallResult;
4. import dev.langchain4j.agent.ToolCall;
5. import dev.langchain4j.agent.ToolCallResult;
6. import dev.langchain4j.agent.tool.Tool;
7. import dev.langchain4j.agent.tool.ToolRegistry;
8. import dev.langchain4j.model.chat.ChatLanguageModel;
9. import dev.langchain4j.model.openai.OpenAiChatModel;
10. import org.springframework.stereotype.Service;
12. @Service
13. public class FunctionCallingService {
14.     private final ChatLanguageModel model;
15.     private final ToolRegistry toolRegistry;
17.     public FunctionCallingService() {
18.         model = new OpenAiChatModel();
19.         toolRegistry = new ToolRegistry();
20.     }
22.     public String execute(String userMessage) {
23.         Agent agent = Agent.builder()
24.                 .chatLanguageModel(model)
25.                 .toolRegistry(toolRegistry)
26.                 .build();
28.         return agent.execute(userMessage);
29.     }
31.     @Tool(name = "search", description = "搜索信息")
32.     public String search(String query) {
33.         // 实现搜索逻辑，例如调用外部搜索API
34.         return "搜索结果：" + query;
35.     }
37.     @Tool(name = "weather", description = "获取天气信息")
38.     public String getWeather(String location) {
39.         // 实现获取天气信息的逻辑
40.         return "天气信息：" + location;
41.     }
42. }

复制代码

（五）RAG（Retrieval-Augmented Generation）

1. 焦点概念

RAG是一种结合检索和生成的技术，通过检索相关文档来加强模子的生成本领。
2. 应用场景

• 问答体系：结合知识库提供准确答案。
  
• 文档辅助写作：根据文档内容生成相关内容。
  

3. 案例代码

1. import dev.langchain4j.chain.RetrievalAugmentedGenerationChain;
2. import dev.langchain4j.data.document.Document;
3. import dev.langchain4j.data.document.DocumentLoader;
4. import dev.langchain4j.data.document.FileDocumentLoader;
5. import dev.langchain4j.data.segment.TextSegmenter;
6. import dev.langchain4j.data.segment.TextSegmenterFactory;
7. import dev.langchain4j.model.chat.ChatLanguageModel;
8. import dev.langchain4j.model.openai.OpenAiChatModel;
9. import dev.langchain4j.retrieval.Retriever;
10. import dev.langchain4j.retrieval.vectorstore.VectorStoreRetriever;
11. import dev.langchain4j.vectorstore.VectorStore;
12. import dev.langchain4j.vectorstore.VectorStoreFactory;
14. @Service
15. public class RagService {
16.     private final ChatLanguageModel model;
17.     private final Retriever retriever;
19.     public RagService() {
20.         model = new OpenAiChatModel();
21.         VectorStore vectorStore = VectorStoreFactory.create();
22.         retriever = new VectorStoreRetriever(vectorStore);
23.     }
25.     public String rag(String userMessage) {
26.         RetrievalAugmentedGenerationChain chain = RetrievalAugmentedGenerationChain.builder()
27.                 .chatLanguageModel(model)
28.                 .retriever(retriever)
29.                 .build();
30.         return chain.execute(userMessage);
31.     }
33.     public void loadDocuments() {
34.         DocumentLoader documentLoader = new FileDocumentLoader("path/to/documents");
35.         List<Document> documents = documentLoader.load();
36.         TextSegmenter segmenter = TextSegmenterFactory.create();
37.         List<TextSegment> segments = segmenter.segment(documents);
38.         retriever.add(segments);
39.     }
40. }

复制代码

（六）工具调用

1. 焦点概念

工具调用允许模子调用外部工具来完成任务，例如调用API、执行下令等。
2. 应用场景

• 调用API：例如调用天气API获取天气信息。
  
• 执行下令：例如调用体系下令执行操作。
  

3. 案例代码

1. import dev.langchain4j.agent.Agent;
2. import dev.langchain4j.agent.AgentToolCall;
3. import dev.langchain4j.agent.AgentToolCallResult;
4. import dev.langchain4j.agent.ToolCall;
5. import dev.langchain4j.agent.ToolCallResult;
6. import dev.langchain4j.agent.tool.Tool;
7. import dev.langchain4j.agent.tool.ToolRegistry;
8. import dev.langchain4j.model.chat.ChatLanguageModel;
9. import dev.langchain4j.model.openai.OpenAiChatModel;
10. import org.springframework.stereotype.Service;
12. @Service
13. public class ToolCallingService {
14.     private final ChatLanguageModel model;
15.     private final ToolRegistry toolRegistry;
17.     public ToolCallingService() {
18.         model = new OpenAiChatModel();
19.         toolRegistry = new ToolRegistry();
20.     }
22.     public String execute(String userMessage) {
23.         Agent agent = Agent.builder()
24.                 .chatLanguageModel(model)
25.                 .toolRegistry(toolRegistry)
26.                 .build();
28.         return agent.execute(userMessage);
29.     }
31.     @Tool(name = "search", description = "搜索信息")
32.     public String search(String query) {
33.         // 实现搜索逻辑，例如调用外部搜索API
34.         return "搜索结果：" + query;
35.     }
37.     @Tool(name = "weather", description = "获取天气信息")
38.     public String getWeather(String location) {
39.         // 实现获取天气信息的逻辑
40.         return "天气信息：" + location;
41.     }
42. }

复制代码

（七）自界说模子

1. 焦点概念

自界说模子允许开发者根据需求实现自己的语言模子，例如利用当地模子或自界说逻辑。
2. 应用场景

• 利用当地模子：例如利用当地的Transformer模子。
  
• 自界说逻辑：例如实现特定的文本生成逻辑。
  

3. 案例代码

1. import dev.langchain4j.model.chat.ChatLanguageModel;
2. import dev.langchain4j.model.chat.ChatMessage;
3. import dev.langchain4j.model.chat.ChatResponse;
4. import org.springframework.stereotype.Service;
6. @Service
7. public class CustomModelService {
8.     private final ChatLanguageModel customModel;
10.     public CustomModelService() {
11.         customModel = new CustomChatModel();
12.     }
14.     public String generate(String prompt) {
15.         return customModel.generate(prompt);
16.     }
18.     public static class CustomChatModel implements ChatLanguageModel {
19.         @Override
20.         public ChatResponse generate(List<ChatMessage> messages) {
21.             // 实现自定义逻辑
22.             String response = "自定义模型生成的响应";
23.             return ChatResponse.builder()
24.                     .message(AiMessage.from(response))
25.                     .build();
26.         }
27.     }
28. }

复制代码

（八）自界说工具

1. 焦点概念

自界说工具允许开发者根据需求实现自己的工具，例如调用外部API或执行特定操作。
2. 应用场景

• 调用外部API：例如调用天气API获取天气信息。
  
• 执行特定操作：例如调用体系下令执行操作。
  

3. 案例代码

1. import dev.langchain4j.agent.Agent;
2. import dev.langchain4j.agent.AgentToolCall;
3. import dev.langchain4j.agent.AgentToolCallResult;
4. import dev.langchain4j.agent.ToolCall;
5. import dev.langchain4j.agent.ToolCallResult;
6. import dev.langchain4j.agent.tool.Tool;
7. import dev.langchain4j.agent.tool.ToolRegistry;
8. import dev.langchain4j.model.chat.ChatLanguageModel;
9. import dev.langchain4j.model.openai.OpenAiChatModel;
10. import org.springframework.stereotype.Service;
12. @Service
13. public class CustomToolService {
14.     private final ChatLanguageModel model;
15.     private final ToolRegistry toolRegistry;
17.     public CustomToolService() {
18.         model = new OpenAiChatModel();
19.         toolRegistry = new ToolRegistry();
20.     }
22.     public String execute(String userMessage) {
23.         Agent agent = Agent.builder()
24.                 .chatLanguageModel(model)
25.                 .toolRegistry(toolRegistry)
26.                 .build();
28.         return agent.execute(userMessage);
29.     }
31.     @Tool(name = "customTool", description = "自定义工具")
32.     public String customTool(String input) {
33.         // 实现自定义逻辑
34.         return "自定义工具的响应：" + input;
35.     }
36. }

复制代码

（九）自界说链

1. 焦点概念

自界说链允许开发者根据需求实现自己的链，例如将多个任务串联起来。
2. 应用场景

• 串联多个任务：例如先辈行文本生成，再进行情感分析。
  
• 实现复杂逻辑：例如根据条件选择差别的任务。
  

3. 案例代码

1. import dev.langchain4j.chain.Chain;
2. import dev.langchain4j.model.chat.ChatLanguageModel;
3. import dev.langchain4j.model.openai.OpenAiChatModel;
4. import org.springframework.stereotype.Service;
6. @Service
7. public class CustomChainService {
8.     private final ChatLanguageModel model;
10.     public CustomChainService() {
11.         model = new OpenAiChatModel();
12.     }
14.     public String execute(String userMessage) {
15.         CustomChain chain = new CustomChain(model);
16.         return chain.execute(userMessage);
17.     }
19.     public static class CustomChain implements Chain {
20.         private final ChatLanguageModel model;
22.         public CustomChain(ChatLanguageModel model) {
23.             this.model = model;
24.         }
26.         @Override
27.         public String execute(String input) {
28.             // 实现自定义逻辑
29.             String response = model.generate(input);
30.             // 进行后续处理
31.             return response;
32.         }
33.     }
34. }

复制代码

四、实战案例

（一）案例背景

假设我们正在开发一个智能客服体系，需要实现以下功能：

• 用户可以与客服机器人进行对话。
  
• 客服机器人可以或许根据用户的问题提供准确的答案。
  
• 客服机器人可以或许调用外部API获取实时信息，例如天气信息。
  

（二）项目结构

1. src/main/java/com/example/aiassist
2. ├── controller
3. │   ├── AiController.java
4. ├── service
5. │   ├── ChatService.java
6. │   ├── FunctionCallingService.java
7. │   ├── RagService.java
8. │   ├── ToolCallingService.java
9. ├── model
10. │   ├── CustomChatModel.java
11. │   ├── CustomTool.java
12. ├── config
13. │   ├── AppConfig.java

复制代码

（三）代码实现

1. 控制器

1. import org.springframework.beans.factory.annotation.Autowired;
2. import org.springframework.web.bind.annotation.*;
4. @RestController
5. @RequestMapping("/api/ai")
6. public class AiController {
7.     private final ChatService chatService;
8.     private final FunctionCallingService functionCallingService;
9.     private final RagService ragService;
10.     private final ToolCallingService toolCallingService;
12.     @Autowired
13.     public AiController(ChatService chatService, FunctionCallingService functionCallingService, RagService ragService, ToolCallingService toolCallingService) {
14.         this.chatService = chatService;
15.         this.functionCallingService = functionCallingService;
16.         this.ragService = ragService;
17.         this.toolCallingService = toolCallingService;
18.     }
20.     @PostMapping("/chat")
21.     public String chat(@RequestBody String userMessage) {
22.         return chatService.chat(userMessage);
23.     }
25.     @PostMapping("/function-calling")
26.     public String functionCalling(@RequestBody String userMessage) {
27.         return functionCallingService.execute(userMessage);
28.     }
30.     @PostMapping("/rag")
31.     public String rag(@RequestBody String userMessage) {
32.         return ragService.rag(userMessage);
33.     }
35.     @PostMapping("/tool-calling")
36.     public String toolCalling(@RequestBody String userMessage) {
37.         return toolCallingService.execute(userMessage);
38.     }
39. }

复制代码

2. 服务层

1. import dev.langchain4j.agent.Agent;
2. import dev.langchain4j.agent.AgentToolCall;
3. import dev.langchain4j.agent.AgentToolCallResult;
4. import dev.langchain4j.agent.ToolCall;
5. import dev.langchain4j.agent.ToolCallResult;
6. import dev.langchain4j.agent.tool.Tool;
7. import dev.langchain4j.agent.tool.ToolRegistry;
8. import dev.langchain4j.chain.ConversationalRetrievalChain;
9. import dev.langchain4j.chain.RetrievalAugmentedGenerationChain;
10. import dev.langchain4j.data.document.Document;
11. import dev.langchain4j.data.document.DocumentLoader;
12. import dev.langchain4j.data.document.FileDocumentLoader;
13. import dev.langchain4j.data.segment.TextSegmenter;
14. import dev.langchain4j.data.segment.TextSegmenterFactory;
15. import dev.langchain4j.model.chat.ChatLanguageModel;
16. import dev.langchain4j.model.openai.OpenAiChatModel;
17. import dev.langchain4j.retrieval.Retriever;
18. import dev.langchain4j.retrieval.vectorstore.VectorStoreRetriever;
19. import dev.langchain4j.vectorstore.VectorStore;
20. import dev.langchain4j.vectorstore.VectorStoreFactory;
21. import org.springframework.stereotype.Service;
23. @Service
24. public class ChatService {
25.     private final ChatLanguageModel model;
26.     private final ToolRegistry toolRegistry;
27.     private final Retriever retriever;
29.     public ChatService() {
30.         model = new OpenAiChatModel();
31.         toolRegistry = new ToolRegistry();
32.         VectorStore vectorStore = VectorStoreFactory.create();
33.         retriever = new VectorStoreRetriever(vectorStore);
34.     }
36.     public String chat(String userMessage) {
37.         ConversationalRetrievalChain chain = ConversationalRetrievalChain.builder()
38.                 .chatLanguageModel(model)
39.                 .toolRegistry(toolRegistry)
40.                 .retriever(retriever)
41.                 .build();
42.         return chain.execute(userMessage);
43.     }
45.     public String functionCalling(String userMessage) {
46.         Agent agent = Agent.builder()
47.                 .chatLanguageModel(model)
48.                 .toolRegistry(toolRegistry)
49.                 .build();
50.         return agent.execute(userMessage);
51.     }
53.     public String rag(String userMessage) {
54.         RetrievalAugmentedGenerationChain chain = RetrievalAugmentedGenerationChain.builder()
55.                 .chatLanguageModel(model)
56.                 .retriever(retriever)
57.                 .build();
58.         return chain.execute(userMessage);
59.     }
61.     public String toolCalling(String userMessage) {
62.         Agent agent = Agent.builder()
63.                 .chatLanguageModel(model)
64.                 .toolRegistry(toolRegistry)
65.                 .build();
66.         return agent.execute(userMessage);
67.     }
69.     @Tool(name = "search", description = "搜索信息")
70.     public String search(String query) {
71.         // 实现搜索逻辑
72.         return "搜索结果：" + query;
73.     }
75.     @Tool(name = "weather", description = "获取天气信息")
76.     public String getWeather(String location) {
77.         // 实现获取天气信息的逻辑
78.         return "天气信息：" + location;
79.     }
81.     public void loadDocuments() {
82.         DocumentLoader documentLoader = new FileDocumentLoader("path/to/documents");
83.         List<Document> documents = documentLoader.load();
84.         TextSegmenter segmenter = TextSegmenterFactory.create();
85.         List<TextSegment> segments = segmenter.segment(documents);
86.         retriever.add(segments);
87.     }
88. }

复制代码

3. 自界说模子

1. import dev.langchain4j.model.chat.ChatLanguageModel;
2. import dev.langchain4j.model.chat.ChatMessage;
3. import dev.langchain4j.model.chat.ChatResponse;
4. import org.springframework.stereotype.Service;
6. @Service
7. public class CustomChatModelService {
8.     private final ChatLanguageModel customModel;
10.     public CustomChatModelService() {
11.         customModel = new CustomChatModel();
12.     }
14.     public String generate(String prompt) {
15.         return customModel.generate(prompt);
16.     }
18.     public static class CustomChatModel implements ChatLanguageModel {
19.         @Override
20.         public ChatResponse generate(List<ChatMessage> messages) {
21.             // 实现自定义逻辑
22.             String response = "自定义模型生成的响应";
23.             return ChatResponse.builder()
24.                     .message(AiMessage.from(response))
25.                     .build();
26.         }
27.     }
28. }

复制代码

4. 自界说工具

1. import dev.langchain4j.agent.Agent;
2. import dev.langchain4j.agent.AgentToolCall;
3. import dev.langchain4j.agent.AgentToolCallResult;
4. import dev.langchain4j.agent.ToolCall;
5. import dev.langchain4j.agent.ToolCallResult;
6. import dev.langchain4j.agent.tool.Tool;
7. import dev.langchain4j.agent.tool.ToolRegistry;
8. import dev.langchain4j.model.chat.ChatLanguageModel;
9. import dev.langchain4j.model.openai.OpenAiChatModel;
10. import org.springframework.stereotype.Service;
12. @Service
13. public class CustomToolService {
14.     private final ChatLanguageModel model;
15.     private final ToolRegistry toolRegistry;
17.     public CustomToolService() {
18.         model = new OpenAiChatModel();
19.         toolRegistry = new ToolRegistry();
20.     }
22.     public String execute(String userMessage) {
23.         Agent agent = Agent.builder()
24.                 .chatLanguageModel(model)
25.                 .toolRegistry(toolRegistry)
26.                 .build();
28.         return agent.execute(userMessage);
29.     }
31.     @Tool(name = "customTool", description = "自定义工具")
32.     public String customTool(String input) {
33.         // 实现自定义逻辑
34.         return "自定义工具的响应：" + input;
35.     }
36. }

复制代码

五、总结

通过本文的详细介绍，我们已经完成了在SpringBoot中整合LangChain4j的全过程。从基础的对话本领、会话记忆，到高级的Function Calling、RAG、工具调用和自界说功能，LangChain4j为Java开发者提供了一个强大且灵活的框架来构建基于AI大模子的应用程序。通过实战案例，我们展示了如何将这些功能应用到实际项目中，资助读者更好地理解和掌握。
在实际开发中，开发者可以根据详细需求灵活选择和组合LangChain4j提供的功能，充实发挥AI大模子的本领，为用户提供更加智能和高效的解决方案。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 IT评测·应用市场-qidao123.com技术社区 (https://dis.qidao123.com/)

Powered by Discuz! X3.4