langchain4j 学习系列(7)-文本分类

继续我们的langchain4j学习之旅，很多“智能客服”之类的AI应用，“问题分类”是非常重要的功能之一。比如：客人进来咨询问题，得判断出客人的问题是“订单相关”(比如：我要取消订单)，还是“支付相关”（比如：我要退款），还是“投诉相关”（比如：你们的服务太差了，我要投诉到相关部门）。识别出对应分类后，就可以交给相应的流程（或细分的sub agent)做进一步处理。
langchain4j 提供了2种分类方法：
一、基于LLM的语义理解
1.1 定义分类枚举

1.     enum CustomerServiceCategory {
2.         PRODUCT("产品相关"),
3.         ORDER("订单相关"),
4.         ACCOUNT("账户相关"),
5.         MEMBER("会员相关"),
6.         PAYMENT("支付相关"),
7.         OTHERS("其它问题");
9.         @Getter
10.         private final String desc;
12.         CustomerServiceCategory(String desc) {
13.             this.desc = desc;
14.         }
15.     }

复制代码

1.2 定义AIService的接口

1.     interface CustomerServiceCategoryClassifier {
2.         @UserMessage("将客人遇到的问题【{{text}}】归类")
3.         CustomerServiceCategory classify(String text);
4.     }

复制代码

1.3 测试

1.     @GetMapping(value = "/classify", produces = MediaType.APPLICATION_JSON_VALUE)
2.     public ResponseEntity<String> classify(@RequestParam String query) {
3.         try {
4.             CustomerServiceCategoryClassifier customerServiceClassifier = AiServices.create(CustomerServiceCategoryClassifier.class, ollamaChatModel);
5.             CustomerServiceCategory classify = customerServiceClassifier.classify(query);
6.             return ResponseEntity.ok(classify.getDesc());
7.         } catch (Exception e) {
8.             log.error("classify", e);
9.             return ResponseEntity.ok("{"error":"classify error: " + e.getMessage() + ""}");
10.         }
11.     }

复制代码

效果：

观察日志的话，能看到与LLM的交互：

1. 2025-12-09T21:00:57.280+08:00  INFO 5948 --- [langchain4j-study] [io-8080-exec-10] d.l.http.client.log.LoggingHttpClient    : HTTP request:
2. - method: POST
3. - url: http://localhost:11434/api/chat
4. - headers: [Content-Type: application/json]
5. - body: {
6.   "model" : "deepseek-v3.1:671b-cloud",
7.   "messages" : [ {
8.     "role" : "user",
9.     "content" : "将客人遇到的问题【我的退款为什么还没到账？】归类\nYou must answer strictly with one of these enums:\nPRODUCT\nORDER\nACCOUNT\nMEMBER\nPAYMENT\nOTHERS"
10.   } ],
11.   "options" : {
12.     "stop" : [ ]
13.   },
14.   "stream" : false,
15.   "tools" : [ ]
16. }

复制代码

这种方法的准确性完全取决于模型能力的强弱，大多数情况下是OK的，但有些case可能会不太符合我们的预期，比如：

一些互联网平台，对于“积分”可能会归到【会员相关】（比如：积分累积到了一定程度，可以兑换成高等级会员），这时候就可以考虑第2种方法。
　 
二、基于向量数据库的相似度计算
2.1 先梳理已知问题的归类

1.     Map<CustomerServiceCategory, List<String>> getExamples() {
2.         Map<CustomerServiceCategory, List<String>> examples = new HashMap<>();
4.         examples.put(PRODUCT, asList(
5.                 "怎么没有产品说明书？",
6.                 "产品的保修期过了怎么办？",
7.                 "我新买的东西用了一周就坏了？",
8.                 "产品无法使用？"
9.         ));
11.         examples.put(ORDER, asList(
12.                 "我的订单现在到哪里了？",
13.                 "能给我一个快递单号吗？",
14.                 "我怎么知道我的订单已经发货了？",
15.                 "我可以更改配送方式吗？",
16.                 "你们提供次日达服务吗？",
17.                 "可以选择到店自提吗？",
18.                 "我的订单什么时候能到？",
19.                 "为什么我的配送延迟了？",
20.                 "我可以指定配送日期吗？",
21.                 "已经过了预计送达日期，我的订单在哪里？",
22.                 "如果出现延迟，我会收到通知吗？",
23.                 "天气原因会导致配送延迟多久？",
24.                 "我收到了订单，但少了一件商品。",
25.                 "包裹送达时是空的。",
26.                 "我收到的商品错了，该怎么办？",
27.                 "我所有的商品会同时送达吗？",
28.                 "为什么我只收到部分订单商品？",
29.                 "剩下的商品能更快送达吗？"
30.         ));
32.         examples.put(PAYMENT, asList(
33.                 "能用支付宝吗?",
34.                 "微信支付可以吗?",
35.                 "支持信用卡吗?",
36.                 "付款时我遇到一个错误",
37.                 "可以通过银行转账付款吗？",
38.                 "为什么我的付款被拒绝了",
39.                 "可以给我发送上一笔订单的发票吗？",
40.                 "发票会自动发送到我的电子邮箱吗？",
41.                 "如何申请退款？"
42.         ));
44.         examples.put(MEMBER, asList(
45.                 "我的会员等级变低了?",
46.                 "我的积分过期了?",
47.                 "我的优惠券不能用了?",
48.                 "能给我发个支付95折优惠券吗？",
49.                 "满减优惠券当次消费就能用吗？",
50.                 "能送100点优惠积分吗？"
51.         ));
53.         examples.put(ACCOUNT, asList(
54.                 "如何注销账号?",
55.                 "我的密码过期了?",
56.                 "为什么无法登录",
57.                 "登录时手机收不到验证码",
58.                 "如果更换账号绑定的手机号"
59.         ));
61.         examples.put(OTHERS, asList(
62.                 "厂商的联系电话是多少?",
63.                 "如何加盟?",
64.                 "你们公司还招人吗？"
65.         ));
67.         return examples;
68.     }

复制代码

2.2 使用embedding模型分类

1.     @GetMapping(value = "/classify/embed", produces = MediaType.APPLICATION_JSON_VALUE)
2.     public ResponseEntity<String> classifyEmbed(@RequestParam String query) {
3.         try {
4.             TextClassifier<CustomerServiceCategory> classifier = new EmbeddingModelTextClassifier<>(ollamaEmbeddingModel, getExamples());
5.             List<CustomerServiceCategory> categories = classifier.classify(query);
6.             String result = "";
7.             if (!CollectionUtils.isEmpty(categories)) {
8.                 CustomerServiceCategory classify = categories.get(0);
9.                 result += classify.getDesc() + ",";
10.             }
11.             return ResponseEntity.ok(StringUtils.trimTrailingCharacter(result, ','));
12.         } catch (Exception e) {
13.             log.error("classify", e);
14.             return ResponseEntity.ok("{"error":"classify error: " + e.getMessage() + ""}");
15.         }
16.     }

复制代码

刚才的case符合预期了，但该方法有缺陷也十分明显，如果梳理的已知问题分类不够全面，会出现误判，比如：

这个问题不在事先准备好的问题列表中，计算出来的结果就差强人意了。实际应用中，如何取舍看业务场景，或者二者结合使用（比如：2个方法都跑一遍，看是否一致，然后再根据一定策略做处理。或者先用方法1，先做一轮分类，将结果人工复检后，用于完善方法2中的分类列表）
 
文中示例代码：GitHub - yjmyzz/langchain4j-study at day07

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！