🚀 LangChain4j简述与示例

让 Java 开发者也能轻松玩转大模型！

---

📖 什么是 LangChain4j？

LangChain4j 是一个专为 Java 开发者量身打造的大模型集成框架。

它的核心目标很简单：简化将 LLM（大语言模型）集成到 Java 应用中的过程。

无论你是想用 OpenAI、通义千问，还是 DeepSeek，LangChain4j 都提供了一套统一的 API，让你不用为每个模型重写代码——换模型？改一行配置就行。

---

🎯 核心优势

1️⃣ 专为 Java 而生

LangChain4j 深度集成了 Quarkus、Spring Boot、Helidon 等主流 Java 框架，可以实现：

• ✅ 从 Java 代码直接调用大模型
• ✅ 让大模型反过来调用你的 Java 代码（工具调用）
• ✅ 双向互动，无缝衔接

2️⃣ 统一 API，告别适配地狱

各大模型平台（OpenAI、Google Vertex AI、通义千问等）和向量数据库（Milvus、Pinecone 等）各有各的 API。

LangChain4j 做了什么呢？统一抽象。

你只需要面向一套接口编程，想换模型？切换配置即可，无需重写任何业务代码。

3️⃣ 开箱即用的工具箱

自 2023 年初以来，社区已经构建了海量的 LLM 应用。LangChain4j 把这些最佳实践提炼成了即用型组件：

组件	说明
📝 Prompt 模板	灵活的提示词模板引擎
💬 聊天记忆	自动管理多轮对话上下文
🔍 RAG 管道	完整的检索增强生成方案
🗄️ 向量存储	支持 20+ 主流向量数据库

---

🌐 支持的大模型平台

LangChain4j 目前支持 15+ 主流大模型平台，覆盖国内外主流厂商：

💡 重点平台速览

• DashScope（阿里百炼） — 通义千问系列
• Ollama — 本地部署开源模型
• 千帆（百度） — 文心一言系列
• 智谱 AI — ChatGLM 系列
• DeepSeek — 深度求索
• OpenAI / Anthropic / Google — 海外主流

---

🔑 阿里百炼模型调用指南

以阿里百炼平台（DashScope）为例，手把手教你接入。

Step 1：获取API Key

登录百炼平台 → 创建 API Key：

⚠️ 安全提示：API Key 请妥善保管，建议配置为环境变量，不要硬编码到代码中！

Step 2：选择模型 Code

进入模型广场，选择你想要的模型，复制对应的 Code：

📌 常用模型：qwen-plus（通义千问-Plus）、qwen-turbo（通义千问-Turbo）

Step 3：获取 Base URL

点击模型的 API 参考，获取调用地址：

---

🔑 DeepSeek 模型调用指南

平台地址

进入 DeepSeek 开放平台，查看用量和 API Key 管理。

创建 API Key

---

💻 Hello World 实战：接入阿里百炼

理论讲完了，直接上代码！我们用一个完整的 Spring Boot 项目来演示。

1️⃣ 创建项目模块

2️⃣ Maven 依赖

<project>
  <modelVersion>4.0.0</modelVersion>

  <parent>
    <groupId>com.whc</groupId>

    <artifactId>langChain4j-whc</artifactId>

    <version>1.0-SNAPSHOT</version>

  </parent>

  <artifactId>langchain4j-whc-helloworld</artifactId>

  <properties>
    <maven.compiler.source>17</maven.compiler.source>

    <maven.compiler.target>17</maven.compiler.target>

    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>

  </properties>

  <dependencies>
    <!-- Spring Boot Web -->
    <dependency>
      <groupId>org.springframework.boot</groupId>

      <artifactId>spring-boot-starter-web</artifactId>

    </dependency>

    <!-- LangChain4j OpenAI 兼容模块 -->
    <dependency>
      <groupId>dev.langchain4j</groupId>

      <artifactId>langchain4j-open-ai</artifactId>

    </dependency>

    <!-- LangChain4j 核心 -->
    <dependency>
      <groupId>dev.langchain4j</groupId>

      <artifactId>langchain4j</artifactId>

    </dependency>

    <!-- Lombok -->
    <dependency>
      <groupId>org.projectlombok</groupId>

      <artifactId>lombok</artifactId>

      <optional>true</optional>

    </dependency>

  </dependencies>

  <build>
    <plugins>
      <plugin>
        <groupId>org.springframework.boot</groupId>

        <artifactId>spring-boot-maven-plugin</artifactId>

      </plugin>

    </plugins>

  </build>

</project>

💡 关键点：使用 langchain4j-open-ai 模块，因为百炼平台兼容 OpenAI 的 API 格式。

3️⃣ 配置文件

server:
  port: 9001

spring:
  application:
    name: langChain_whc_helloWord

ai:
  dashScope:
    apiKey: ${AI_DASHSCOPE_API_KEY}
    modelName: ${AI_DASHSCOPE_MODEL_NAME}
    baseUrl: ${AI_DASHSCOPE_BASE_URL}

📌 三部分对应关系：

• apiKey → 你的 API Key
• modelName → 模型 Code（如 qwen-plus）
• baseUrl → 模型调用地址

4️⃣ 启动类

@SpringBootApplication
public class HelloWorldApp {
    public static void main(String[] args) {
        SpringApplication.run(HelloWorldApp.class, args);
    }
}

5️⃣ 大模型配置类

@Slf4j
@Configuration
public class LlmConfig {

    @Value("${ai.dashScope.apiKey}")
    private String apiKey;

    @Value("${ai.dashScope.modelName}")
    private String modelName;

    @Value("${ai.dashScope.baseUrl}")
    private String baseUrl;

    @Bean
    public ChatModel chatModel() {
        return OpenAiChatModel.builder()
                .apiKey(apiKey)
                .modelName(modelName)
                .baseUrl(baseUrl)
                .build();
    }
}

🔐 最佳实践：API Key 等敏感参数建议配置为环境变量，避免泄露。

6️⃣ 测试接口

@Slf4j
@RestController
public class HelloController {

    @Resource
    private ChatModel chatModel;

    @GetMapping("langChain4j/hello")
    public String hello(@RequestParam(value = "question", defaultValue = "你是谁") String question) {
        String result = chatModel.chat(question);
        log.info("调用大模型回复: " + result);
        return result;
    }
}

7️⃣ 测试效果

问题 1：介绍下自己

问题 2：佛山有什么特色美食？

🎉 恭喜！ 你的第一个 LangChain4j 应用已经跑通了！

---

💻 进阶实战：同时接入多个模型

实际项目中，我们可能需要同时接入多个模型进行对比或切换。下面演示如何同时接入 阿里百炼 + DeepSeek。

1️⃣ 扩展配置

server:
  port: 9001

spring:
  application:
    name: langChain_whc_helloWord

ai:
  dashScope:
    apiKey: ${AI_DASHSCOPE_API_KEY}
    modelName: ${AI_DASHSCOPE_MODEL_NAME}
    baseUrl: ${AI_DASHSCOPE_BASE_URL}
  deepSeek:
    apiKey: ${AI_DEEPSEEK_API_KEY}
    modelName: ${AI_DEEPSEEK_MODEL_NAME}
    baseUrl: ${AI_DEEPSEEK_BASE_URL}

2️⃣ 配置环境变量

3️⃣ 配置类（多 Bean）

@Slf4j
@Configuration
public class LlmConfig {

    @Value("${ai.dashScope.apiKey}")
    private String dashScopeApiKey;
    @Value("${ai.dashScope.modelName}")
    private String dashScopeModelName;
    @Value("${ai.dashScope.baseUrl}")
    private String dashScopeBaseUrl;

    @Value("${ai.deepSeek.apiKey}")
    private String deepSeekApiKey;
    @Value("${ai.deepSeek.modelName}")
    private String deepSeekModelName;
    @Value("${ai.deepSeek.baseUrl}")
    private String deepSeekBaseUrl;

    @Bean
    public ChatModel dashScopeChatModel() {
        return OpenAiChatModel.builder()
                .apiKey(dashScopeApiKey)
                .modelName(dashScopeModelName)
                .baseUrl(dashScopeBaseUrl)
                .build();
    }

    @Bean
    public ChatModel deepSeekChatModel() {
        return OpenAiChatModel.builder()
                .apiKey(deepSeekApiKey)
                .modelName(deepSeekModelName)
                .baseUrl(deepSeekBaseUrl)
                .build();
    }
}

4️⃣ 接口类（多模型路由）

@Slf4j
@RestController
@RequiredArgsConstructor
public class HelloController {

    private final ChatModel dashScopeChatModel;
    private final ChatModel deepSeekChatModel;

    @GetMapping("langChain4j/dashScope/hello")
    public String dashScopeHello(
            @RequestParam(value = "question", defaultValue = "你是谁") String question) {
        String result = dashScopeChatModel.chat(question);
        log.info("调用 dashScope 大模型回复: " + result);
        return result;
    }

    @GetMapping("langChain4j/deepSeek/hello")
    public String deepSeekHello(
            @RequestParam(value = "question", defaultValue = "介绍下自己") String question) {
        String result = deepSeekChatModel.chat(question);
        log.info("调用 deepSeek 大模型回复: " + result);
        return result;
    }
}

5️⃣ 测试效果

阿里百炼（通义千问）：

DeepSeek：

🔥 同一个问题，不同模型的回复风格各异，你可以根据业务场景灵活选择！

---

📝 总结

通过这篇文章，我们完成了：

✅	内容
1	了解 LangChain4j 的核心定位和优势
2	认识支持的大模型平台
3	掌握阿里百炼模型的接入流程
4	掌握 DeepSeek 模型的接入流程
5	完成 Hello World 实战
6	实现多模型同时接入

LangChain4j 让 Java 开发者也能零门槛接入大模型，统一 API + 开箱即用的组件，真正做到了 Write Once, Run Any LLM。

🚀 还在等什么？赶紧在你的 Java 项目中接入大模型吧！