在这篇文章中，我们将深入了解LangChain4j框架的高层API（AiServices），并展示如何将其与OpenAI集成，以实现简单的聊天功能。我们将讨论LangChain4j支持的各种大型语言模型（LLMs），并逐步展示如何通过示例代码实现。

​
LangChain4j支持的LLMs

供应商流式调用函数JSON多模态观测
Amazon Bedrock✅✅text
Anthropic✅✅text, image
Azure OpenAI✅✅✅text, image✅
ChatGLMtext
DashScope✅✅text, image, audio✅
GitHub Models✅✅✅text✅
Google AI Gemini✅✅text, image, audio, video, PDF✅
Google Vertex AI Gemini✅✅✅text, image, audio, video, PDF✅
Google Vertex AI PaLM 2text
Hugging Facetext
Jlama✅✅text
LocalAI✅✅text
Mistral AI✅✅✅text
Ollama✅✅✅text, image✅
OpenAI✅✅✅text, image✅
Qianfan✅✅text
Cloudflare Workers AItext
Zhipu AI✅✅text, image✅

​
LangChain4j的LLM API概述

​
核心：ChatLanguageModel 模型元信息提供

​
1. 依赖包

在pom.xml中添加以下依赖：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j</artifactId>
</dependency>
<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-open-ai</artifactId>
</dependency>

​
2. 配置 ChatModel 提供模型元信息

@Bean
public ChatModel chatModel() {
    return OpenAiChatModel.builder()
            .apiKey(System.getenv("DASHSCOPE_KEY"))
            .modelName("qwen-turbo")
            .baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1")
            .build();
}

​
低级LLM API 调用

使用ChatModel接口与大模型进行交互。以下是接口的主要方法：

public interface ChatModel {
    String chat(String userMessage);
    ChatResponse chat(List<ChatMessage> messages);
}
@SpringBootTest
class SimplechatApplicationTest {

    @Autowired
    private ChatModel chatModel;

    /**
     * 测试直接使用字符串调用ChatModel
     * 验证使用简单字符串参数调用chat方法的响应
     */
    @Test
    void testChatWithStringInput() {
        //你好！很高兴能为你服务。有什么问题或需要帮助的吗？
        //你好！很高兴能为你提供帮助。有什么我可以为你做的吗？
        String generate = chatModel.chat("你好");
        System.out.println(generate);
    }
}

​
高级LLM API

为了简化开发，LangChain4j提供了高层API，使开发者能够更专注于业务逻辑，而无需关注底层实现细节。高层API中，AiService 用于定义一个集成大模型的服务。

​
1. 定义AI Service

package com.pig4cloud.ai.service;

/**
 *  AI 助手接口
*/
public interface ChatAssistant {
    String chat(String userMessage);
}
  • 声明成 Spring Bean， 注入模型
@Bean
public ChatAssistant chatAssistant() {
    return AiServices.builder(ChatAssistant.class)
            .chatModel(chatModel())
            .build();
}

​
2. 测试

@SpringBootTest
class ChatAssistantTest {
    @Autowired
    private ChatAssistant chatAssistant;
    
    @Test
    void testChatAssistantMemoryCapability() {
        String chat = chatAssistant.chat("你好，我的名字叫冷冷");
        System.out.println(chat);
    }
}

PIG AI应用开发平台 | 适合中大型企业构建自主可控的AI中台

为Java开发者提供全栈式AI工程化解决方案，强类型/高可维护性架构，内置30+主流大模型支持。

  • 🔍 知识引擎体系：RAG 知识引擎全自动化多模态解决方案
  • 📝 AI-OCR 中枢：复杂非标场景高精度识别
  • ⚙️ 业务智能融合：函数编排 + Chat2SQL，无缝对接现有业务系统
  • 🛡️ N维风控体系：敏感词/IP/Token/User 规则控制引擎

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！

文档有误？请协助编辑

发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！