当前位置： 首页 > news >正文

9. LangChain4j + 整合 Spring Boot - Rainbow

news 2026/6/11 21:38:02

9. LangChain4j + 整合 Spring Boot

@

目录
  • 9. LangChain4j + 整合 Spring Boot
    • LangChain4j + 整合 Spring Boot 实操
  • 最后：

LangChain4j 整合 SpringBoot 官方文档：https://docs.langchain4j.dev/tutorials/spring-boot-integration/

浅谈—下：LangChain4j twolevels of abstraction

低阶 APi 和 高阶 API

Spring Boot整合底阶API所需POM：

<dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-open-ai-spring-boot-starter</artifactId><version>1.2.0-beta8</version>
</dependency>

langchain4j.open-ai.chat-model.api-key=${OPENAI_API_KEY}
langchain4j.open-ai.chat-model.model-name=gpt-4o
langchain4j.open-ai.chat-model.log-requests=true
langchain4j.open-ai.chat-model.log-responses=true
...

Spring Boot整合高阶API所需POM：

截至目前，存在两种整合 Spring Boot 的方式：

LangChain4J 原生整合：

LangChain4J + Spring Boot 整合：

小总结：

LangChain4j + 整合 Spring Boot 实操

  1. 创建对应项目的 module 模块内容：
  2. 导入相关的 pom.xml 的依赖，这里我们采用流式输出的方式，导入 整合 Spring Boot ，`langchain4j-open-ai-spring-boot-starter，langchain4j-spring-boot-starter 这里我们不指定版本，而是通过继承的 pom.xml 当中获取。

        <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!--1 LangChain4j 整合boot底层支持--><!--   https://docs.langchain4j.dev/tutorials/spring-boot-integration  --><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-open-ai-spring-boot-starter</artifactId></dependency><!--2 LangChain4j 整合boot高阶支持--><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-spring-boot-starter</artifactId></dependency>
  1. 设置 applcation.yaml / properties 配置文件，其中指明我们的输出响应的编码格式，因为如果不指定的话，存在返回的中文，就是乱码了。
server.port=9008spring.application.name=langchain4j-08boot-integration# 设置响应的字符编码，避免流式返回输出乱码
server.servlet.encoding.charset=utf-8
server.servlet.encoding.enabled=true
server.servlet.encoding.force=true# https://docs.langchain4j.dev/tutorials/spring-boot-integration
#langchain4j.open-ai.chat-model.api-key=${aliQwen-api}
#langchain4j.open-ai.chat-model.model-name=qwen-plus
#langchain4j.open-ai.chat-model.base-url=https://dashscope.aliyuncs.com/compatible-mode/v1# 大模型调用不可以明文配置，你如何解决该问题
# 1 yml：                ${aliQwen-api}，从环境变量读取
# 2 config配置类：      System.getenv("aliQwen-api")从环境变量读取
  1. 编写大模型三件套（大模型 key，大模型 name，大模型 url） 三件套的大模型配置类。

这里我们测试操作两个大模型：DeepSeek，通义千问。


import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantQwen;
import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantDeepSeek;
import dev.langchain4j.model.chat.ChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;/*** @Description: 知识出处 https://docs.langchain4j.dev/get-started*/
@Configuration
public class LLMConfig {@Bean(name = "qwen")public ChatModel chatModelQwen() {return OpenAiChatModel.builder().apiKey(System.getenv("aliQwen_api")).modelName("qwen-plus").baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1").build();}/*** @Description: 知识出处，https://api-docs.deepseek.com/zh-cn/*/@Bean(name = "deepseek")public ChatModel chatModelDeepSeek() {returnOpenAiChatModel.builder().apiKey(System.getenv("deepseek_api")).modelName("deepseek-chat")//.modelName("deepseek-reasoner").baseUrl("https://api.deepseek.com/v1").build();}}
  1. 编写我们操作两个大模型的将接口类，同时通过在我们的配置类上 + 通过 @AiService 进行一个对接口的实现。

@AiService 注解的源码如下：

//
// Source code recreated from a .class file by IntelliJ IDEA
// (powered by FernFlower decompiler)
//package dev.langchain4j.service.spring;import java.lang.annotation.ElementType;
import java.lang.annotation.Retention;
import java.lang.annotation.RetentionPolicy;
import java.lang.annotation.Target;
import org.springframework.stereotype.Service;@Service
@Target({ElementType.TYPE})
@Retention(RetentionPolicy.RUNTIME)
public @interface AiService {AiServiceWiringMode wiringMode() default AiServiceWiringMode.AUTOMATIC;String chatModel() default "";String streamingChatModel() default "";String chatMemory() default "";String chatMemoryProvider() default "";String contentRetriever() default "";String retrievalAugmentor() default "";String moderationModel() default "";String[] tools() default {};
}

package com.rainbowsea.langchain4jbootintegration.service;import dev.langchain4j.service.spring.AiService;import static dev.langchain4j.service.spring.AiServiceWiringMode.EXPLICIT;/***/
@AiService(wiringMode = EXPLICIT, chatModel = "qwen")
public interface ChatAssistantQwen
{String chat(String prompt);
}


import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantQwen;
import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantDeepSeek;
import dev.langchain4j.model.chat.ChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;/*** @Description: 知识出处 https://docs.langchain4j.dev/get-started*/
@Configuration
public class LLMConfig {@Bean(name = "qwen")public ChatModel chatModelQwen() {return OpenAiChatModel.builder().apiKey(System.getenv("aliQwen_api")).modelName("qwen-plus").baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1").build();}// 你使用第2种类，高阶API    AiService@Bean(name = "qwenAssistant")public ChatAssistantQwen chatAssistantQwen(@Qualifier("qwen") ChatModel chatModelQwen) {return AiServices.create(ChatAssistantQwen.class, chatModelQwen);}
}

同理我们添加上 DeepSeek 操作的接口类，以及对应大模型的实现类

package com.rainbowsea.langchain4jbootintegration.service;import dev.langchain4j.service.spring.AiService;
import static dev.langchain4j.service.spring.AiServiceWiringMode.EXPLICIT;
/***/
@AiService(wiringMode = EXPLICIT, chatModel = "deepseek")
public interface ChatAssistantDeepSeek
{String chat(String prompt);
}
package com.rainbowsea.langchain4jbootintegration.config;import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantQwen;
import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantDeepSeek;
import dev.langchain4j.model.chat.ChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;/*** @Description: 知识出处 https://docs.langchain4j.dev/get-started*/
@Configuration
public class LLMConfig {/*** @Description: 知识出处，https://api-docs.deepseek.com/zh-cn/*/@Bean(name = "deepseek")public ChatModel chatModelDeepSeek() {returnOpenAiChatModel.builder().apiKey(System.getenv("deepseek_api")).modelName("deepseek-chat")//.modelName("deepseek-reasoner").baseUrl("https://api.deepseek.com/v1").build();}@Bean(name = "deepseekAssistant")public ChatAssistantDeepSeek chatAssistantDeepSeek(@Qualifier("deepseek") ChatModel chatModelDeepSeek) {return AiServices.create(ChatAssistantDeepSeek.class, chatModelDeepSeek);}
}

DeepSeek + 通义千问

package com.rainbowsea.langchain4jbootintegration.config;import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantQwen;
import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantDeepSeek;
import dev.langchain4j.model.chat.ChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;/*** @Description: 知识出处 https://docs.langchain4j.dev/get-started*/
@Configuration
public class LLMConfig {@Bean(name = "qwen")public ChatModel chatModelQwen() {return OpenAiChatModel.builder().apiKey(System.getenv("aliQwen_api")).modelName("qwen-plus").baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1").build();}// 你使用第2种类，高阶API    AiService@Bean(name = "qwenAssistant")public ChatAssistantQwen chatAssistantQwen(@Qualifier("qwen") ChatModel chatModelQwen) {return AiServices.create(ChatAssistantQwen.class, chatModelQwen);}/*** @Description: 知识出处，https://api-docs.deepseek.com/zh-cn/*/@Bean(name = "deepseek")public ChatModel chatModelDeepSeek() {returnOpenAiChatModel.builder().apiKey(System.getenv("deepseek_api")).modelName("deepseek-chat")//.modelName("deepseek-reasoner").baseUrl("https://api.deepseek.com/v1").build();}@Bean(name = "deepseekAssistant")public ChatAssistantDeepSeek chatAssistantDeepSeek(@Qualifier("deepseek") ChatModel chatModelDeepSeek) {return AiServices.create(ChatAssistantDeepSeek.class, chatModelDeepSeek);}
}
  1. 编写操作两大，大模型的 Controller 类，使用我们自己编写的接口类操作大模型。

操作访问通义千问。


import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantDeepSeek;
import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantQwen;
import jakarta.annotation.Resource;
import lombok.extern.slf4j.Slf4j;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;/*** @Description: https://docs.langchain4j.dev/tutorials/spring-boot-integration*/
@RestController
@Slf4j
public class DeclarativeAIServiceController
{@Resource(name = "qwenAssistant")private ChatAssistantQwen chatAssistantQwen;// http://localhost:9008/chatapi/highapi@GetMapping(value = "/chatapi/highapi")public String highApi(@RequestParam(value = "prompt", defaultValue = "你是谁") String prompt){return chatAssistantQwen.chat(prompt);}}

操作访问 DeepSeek

package com.rainbowsea.langchain4jbootintegration.controller;import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantDeepSeek;
import com.rainbowsea.langchain4jbootintegration.service.ChatAssistantQwen;
import jakarta.annotation.Resource;
import lombok.extern.slf4j.Slf4j;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;/*** @Description: https://docs.langchain4j.dev/tutorials/spring-boot-integration*/
@RestController
@Slf4j
public class DeclarativeAIServiceController
{@Resource(name = "deepseekAssistant")private ChatAssistantDeepSeek chatAssistantDeepSeek;// http://localhost:9008/chatapi/highapi02@GetMapping(value = "/chatapi/highapi02")public String highApi02(@RequestParam(value = "prompt", defaultValue = "你是谁") String prompt){return chatAssistantDeepSeek.chat(prompt);}
}

最后：

“在这个最后的篇章中，我要表达我对每一位读者的感激之情。你们的关注和回复是我创作的动力源泉，我从你们身上吸取了无尽的灵感与勇气。我会将你们的鼓励留在心底，继续在其他的领域奋斗。感谢你们，我们总会在某个时刻再次相遇。”

在这里插入图片描述

http://www.zskr.cn/news/4677.html

相关文章：

  • gcc
  • 在企业内部分发 iOS App 时如何生成并应用 manifest.plist
  • 第一周预习作业
  • 计算机大数据毕业设计推荐：基于Spark的新能源汽车保有量可视化分析系统 - 指南
  • csp 2025 油迹
  • EF Core 介绍与入门实操
  • 使用Putty远程连接树莓派5提示No supported authentication methods available
  • [USACO24FEB] Maximizing Productivity
  • 20250914
  • 完整教程：WebApp 的价值与实现：从浏览器架构到用户体验优化
  • 八字喜用神起名大师 API 接口
  • 作业1
  • 开篇自我介绍随笔
  • Tita 项目一体化管理：驱动项目全周期高效运营的引擎
  • 在Ubuntu上配置phpMyAdmin和WordPress环境
  • Debugging via Intel DCI 小蓝盒
  • 【数据结构——图与邻接矩阵】 - 实践
  • 深入解析：Linux使用-MySQL的使用
  • HarmonyOS图形处理：Canvas绘制与动画开发实战
  • 应用的微服务化-容器化-CI/CD
  • 0voice-1.4.1-cmake
  • test test test
  • Blogroll 友链
  • 8888
  • 在Linux环境部署Flask应用并启用SSL/TLS安全协议
  • 博客园美化
  • NOIP备考
  • 用 Java 和 Tesseract 实现验证码图像识别
  • Ubuntu 24.04 服务器调整MySQL 8.0.42 三节点集群（一主两从架构）安装部署配置教程
  • 第九篇：数据库服务克隆应用