​
1. 日志配置 (Logging)

LangChain4j 使用 SLF4J 作为日志接口，支持集成各种日志后端，如 Logback 或 Log4j。

​
纯 Java 环境

要启用对每个请求和响应的日志记录，可以在创建模型实例时通过以下方式设置： 
OpenAiChatModel.builder()
    ...
    .logRequests(true)    // 启用请求日志
    .logResponses(true)   // 启用响应日志
    .build();
确保在依赖项中包含 SLF4J 的日志后端，比如 Logback

​
Spring Boot 环境

在 Spring Boot 集成中，可以通过 application.properties 文件配置日志级别：
只有日志级别调整为debug级别，同时配置以上 langchain 日志输出开关才有效 
logging:
  level:
    root: debug

​
2. 监控 (Observability)

LangChain4j 提供了一些语言模型（如 ChatModel 和 StreamingChatModel），支持通过 ChatModelListener 监听以下事件：
  • 请求到达 LLM
  • LLM 返回的响应
  • 错误处理
事件监听的例子如下： 
ChatModelListener listener = new ChatModelListener() {

    @Override
    public void onRequest(ChatModelRequestContext requestContext) {
        ChatModelRequest request = requestContext.request();
        Map<Object, Object> attributes = requestContext.attributes();
        // 记录请求
    }

    @Override
    public void onResponse(ChatModelResponseContext responseContext) {
        ChatModelResponse response = responseContext.response();
        ChatModelRequest request = responseContext.request();
        Map<Object, Object> attributes = responseContext.attributes();
        // 记录响应
    }

    @Override
    public void onError(ChatModelErrorContext errorContext) {
        Throwable error = errorContext.error();
        ChatModelRequest request = errorContext.request();
        ChatModelResponse partialResponse = errorContext.partialResponse();
        Map<Object, Object> attributes = errorContext.attributes();
        // 记录错误
    }
};

ChatModel model = OpenAiChatModel.builder()
        ...
        .listeners(List.of(listener))  // 添加监听器
        .build();

​
3. 重试机制 (Retry Configuration)

LangChain4j 支持重试配置，可用于处理失败的请求。 可以通过 maxRetries 来配置重试逻辑，指定重试次数和延迟等参数： 
ChatModel model = OpenAiChatModel.builder()
    ...
    .maxRetries(5)  // 设置重试策略
    .build();

​
4. 超时配置 (Timeout Configuration)

对于超时配置，可以通过 timeout 设置请求的超时时间： 
ChatModel model = OpenAiChatModel.builder()
    ...
    .timeout(Duration.ofSeconds(10)) // 设置10秒超时
    .build();

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！