3. LangChain4j + 低阶和高阶 API的详细说明

萨瑞饨 · 昨天 18:52

3. LangChain4j + 低阶和高阶 API的详细说明

@
目录

3. LangChain4j + 低阶和高阶 API的详细说明
LangChain4j + 低阶和高阶 API的详细说明
- LangChain4j在两个抽象层(低阶 / 高阶)提供不同的 api
  - low level 低阶
  - high level 高阶
- low level 低阶 API 的使用
  - 大模型中的Token VS Web开发中的Token
- high level 高阶 API 的详细使用
最后：

LangChain4j + 低阶和高阶 API的详细说明

https://docs.langchain4j.dev/get-started/

https://docs.langchain4j.dev/tutorials/chat-and-language-models/

LLM 目前有两种 API 类型：

LanguageModel。它们的 API 非常简单 - 接受 String 作为输入并返回 String 作为输出。这种 API 现在正在被聊天 API（第二种 API 类型）所取代。
ChatModel。这些接受多个 ChatMessage 作为输入并返回单个 AiMessage 作为输出。 ChatMessage 通常包含文本，但某些 LLM 也支持其他模态（例如，图像、音频等）。这类聊天模型的例子包括 OpenAI 的 gpt-4o-mini 和 Google 的 gemini-1.5-pro。

LangChain4j 不会再扩展对 LanguageModel 的支持，因此在所有新功能中，我们将使用 ChatModel API。
ChatModel 是 LangChain4j 中与 LLM 交互的低级 API，提供最大的能力和灵活性。还有一个高级 API（AI 服务），我们将在介绍完基础知识后再讨论。
除了 ChatModel 和 LanguageModel 外，LangChain4j 还支持以下类型的模型：

EmbeddingModel - 这种模型可以将文本转换为 Embedding。
ImageModel - 这种模型可以生成和编辑 Image。
ModerationModel - 这种模型可以检查文本是否包含有害内容。
ScoringModel - 这种模型可以对查询的多个文本片段进行评分（或排名），本质上确定每个文本片段与查询的相关性。这对 RAG 很有用。这些将在后面介绍。

现在，让我们仔细看看 ChatModel API。

public interface ChatModel { String chat(String userMessage); ...}

复制代码

如您所见，有一个简单的 chat 方法，它接受 String 作为输入并返回 String 作为输出，类似于 LanguageModel 。这只是一个便捷方法，让您可以快速轻松地进行试验，而无需将 String 包装在 UserMessage 中。

LangChain4j在两个抽象层(低阶 / 高阶)提供不同的 api

https://docs.langchain4j.dev/intro

LangChain4j 在两个抽象层次上运行：
- 低层次。在这个层次上，您拥有最大的自由度和访问所有低级组件的权限，如 ChatModel,、UserMessage、AiMessage、EmbeddingStore、Embedding 等。这些是您的 LLM 驱动应用程序的"原语"。您可以完全控制如何组合它们，但需要编写更多的粘合代码。
- 高层次。在这个层次上，您使用高级 API（如 AI 服务）与 LLM 交互，它隐藏了所有复杂性和样板代码。您仍然可以灵活地调整和微调行为，但是以声明式方式完成。

low level 低阶

ChatModel 接口如下的默认实现的方法：

ChatModel提供的--种极其简便的方法：如下：

default String chat(String userMessage) { ChatRequest chatRequest = ChatRequest.builder() .messages(UserMessage.from(userMessage)) .build(); ChatResponse chatResponse = chat(chatRequest); return chatResponse.aiMessage().text();}

复制代码

@GetMapping(value = "/langchain4j/hello")public String hello(@RequestParam(value = "prompt", defaultValue = "你是谁") String prompt){ String result = chatModel.chat(prompt); System.out.println("通过langchain4j调用模型返回结果：\n"+result); return result;}

复制代码

high level 高阶

low level 低阶 API 的使用

导入相关的依赖：

org.springframework.boot spring-boot-starter-web dev.langchain4j langchain4j-open-ai dev.langchain4j langchain4j junit junit 3.8.1 test

复制代码

配置对应大模型的配置类。

package com.rainbowsea.langchain4j02lowhighapi.config;import dev.langchain4j.model.chat.ChatModel;import dev.langchain4j.model.openai.OpenAiChatModel;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;/** * @Date 2025-05-27 22:04 * @Description: 知识出处 https://docs.langchain4j.dev/get-started */@Configurationpublic 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") // 可以在根据@Resoure(name = "deepseek") 导入不同的实体类 public ChatModel chatModelDeepSeek() { return OpenAiChatModel.builder() .apiKey(System.getenv("deepseek_api")) .modelName("deepseek-chat") //.modelName("deepseek-reasoner") .baseUrl("https://api.deepseek.com/v1") .build(); }}

复制代码

编写 Controller ，如下，其实就是跟我们编写的第一个连接大模型的 Hello World 是一样的

启动测试：

大模型中的Token VS Web开发中的Token

大模型当中的 Token

Web 开发中的 Token

// http://localhost:9002/lowapi/api02 @GetMapping(value = "/lowapi/api02") public String api02(@RequestParam(value = "prompt", defaultValue = "你是谁") String prompt) { ChatResponse chatResponse = chatModelDeepSeek.chat(UserMessage.from(prompt)); String result = chatResponse.aiMessage().text(); System.out.println("通过langchain4j调用模型返回结果："+result); TokenUsage tokenUsage = chatResponse.tokenUsage(); System.out.println("本次调用消耗Token："+tokenUsage); result = result +"\t\n"+ tokenUsage; return result; }}

复制代码

ChatMessage 其实就是一个 prompt ，就是被大模型封装了一层，让其更好的被大模型读取识别而已。

运行测试：

high level 高阶 API 的详细使用

https://docs.langchain4j.dev/tutorials/ai-services/

翻译：

AI Service 的高阶 API 的使用：
具体的编码步骤如下：https://docs.langchain4j.dev/tutorials/ai-services/#simplest-ai-service

定义 AI Service 接口：

我们知道，按照Java开发一般习惯，有接口就要有实现类比如接口ChatAssistant，就会有实现类ChatAssistantImpl现在用高阶api- AIServics不用你自己写 impl实现类，交给langchain4j给你搞定。（接口名是随意的，你只要见名之意即可）

package com.rainbowsea.langchain4j02lowhighapi.service;/** * 我们知道，按照Java开发一般习惯，有接口就要有实现类 * 比如接口ChatAssistant，就会有实现类ChatAssistantImpl * 现在用高阶api-AIServics不用你自己写impl实现类，交给langchain4j给你搞定 *
* 本次配置用的是langchain4j原生整合，没有引入sprinboot，不需要接口头上配置@AiService注解标签 */public interface ChatAssistant { String chat(String prompt);}

复制代码

LLMConfig类配置当中配置调用大模型的三件套（大模型的 Key，大模型 name，大模型的 url）

import com.rainbowsea.langchain4j02lowhighapi.service.ChatAssistant;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;/** * @Date 2025-05-27 22:04 * @Description: 知识出处 https://docs.langchain4j.dev/get-started */@Configurationpublic 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(); }}

复制代码

对我们自我编写的 AI Service 的接口类，配置器实现类的配置(配置指明那个大模型实现我们这个接口类)，配置好后，调用 AiServices.create()方法就好创建好我们自定义的接口实现类。

import com.rainbowsea.langchain4j02lowhighapi.service.ChatAssistant;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;/** * @Date 2025-05-27 22:04 * @Description: 知识出处 https://docs.langchain4j.dev/get-started */@Configurationpublic 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(); } // High-Api https://docs.langchain4j.dev/tutorials/ai-services#simplest-ai-service @Bean public ChatAssistant chatAssistant(@Qualifier("qwen") ChatModel chatModelQwen) { return AiServices.create(ChatAssistant.class, chatModelQwen); }}

复制代码

AlService是如何工作的
https://docs.langchain4j.dev/tutorials/ai-services/#how-does-it-work

最后编写对于业务的 Controller 类。直接调用我们的接口类，因为该接口的实现类已经被我们通过调用 AiServices.create()方法就好创建好我们自定义的接口实现类。同时我们也将其加入 @Bean加入到了 IOC 容器当中管理了，所以可以直接，通过 @Resource 注解注入。

package com.rainbowsea.langchain4j02lowhighapi.controller;import com.rainbowsea.langchain4j02lowhighapi.service.ChatAssistant;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;/** */@RestController@Slf4jpublic class HighApiController{ @Resource private ChatAssistant chatAssistant; @GetMapping(value = "/highapi/highapi") public String highApi(@RequestParam(value = "prompt", defaultValue = "你是谁") String prompt) { return chatAssistant.chat(prompt); }}

复制代码

运行测试：

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。”

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
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！

账号		自动登录	找回密码
密码			立即注册

3. LangChain4j + 低阶和高阶 API的详细说明

浏览过的版块

签约作者

3. LangChain4j + 低阶 和 高阶 API的详细说明

浏览过的版块

签约作者

3. LangChain4j + 低阶和高阶 API的详细说明