LangChain for Java：用大语言模型的力量为您的 Java 应用程序赋能

简介

欢迎！

LangChain4j 的目标是简化将大语言模型集成到 Java 应用程序中的过程。

具体做法如下：

1. 统一的 API： 大语言模型提供商（如 OpenAI 或 Google Vertex AI）以及嵌入（向量）存储系统（如 Pinecone 或 Milvus）都使用各自的专有 API。LangChain4j 提供了一个统一的 API，避免了您需要学习和实现每个平台特定 API 的麻烦。您可以轻松地在不同的大语言模型或嵌入存储之间切换，而无需重写代码。目前，LangChain4j 支持 20 多家流行的大语言模型提供商 和 30 多家嵌入存储。
2. 全面的工具箱： 自 2023 年初以来，社区已经构建了许多基于大语言模型的应用程序，并从中提炼出常见的抽象概念、模式和技术。LangChain4j 将这些内容精炼成实用的代码库。我们的工具箱涵盖了从底层的提示模板化、聊天记忆管理、函数调用，到高层的 Agent 和 RAG 等多种模式。对于每一种抽象概念，我们不仅提供接口，还提供了基于常见技术的多种开箱即用的实现。无论您是在构建聊天机器人，还是开发包含数据摄取到检索完整流程的 RAG 系统，LangChain4j 都能为您提供丰富的选择。
3. 丰富的示例： 这些 示例 展示了如何开始创建各种基于大语言模型的应用程序，既能为您带来灵感，也能让您快速上手。

LangChain4j 项目始于 2023 年初，正值 ChatGPT 热潮之际。我们注意到，与数量众多的 Python 和 JavaScript 大语言模型库和框架相比，Java 生态中缺乏类似的工具，因此我们决定填补这一空白！尽管项目名称中带有“LangChain”，但我们的项目实际上是融合了 LangChain、Haystack、LlamaIndex 以及更广泛社区的思想和理念，并融入了我们自己的创新点。

我们积极关注社区的发展动态，力求快速引入新的技术和集成方案，确保您始终掌握最新信息。该库目前仍在积极开发中。虽然部分功能仍在完善中，但核心功能已经就绪，您可以立即开始构建基于大语言模型的应用程序！

文档

文档可以在这里找到 https://docs.langchain4j.dev。

实验性的文档聊天机器人可以在这里找到 https://chat.langchain4j.dev/.

入门指南

入门指南可以在这里找到 https://docs.langchain4j.dev/get-started。

代码示例

请参阅 langchain4j-examples 仓库中的示例，了解如何使用 LangChain4j：

• 纯 Java 示例
• Quarkus 示例（使用 quarkus-langchain4j 依赖）
• Spring Boot 示例
• Helidon 示例（使用 io.helidon.integrations.langchain4j 依赖）
• Micronaut 示例（使用 micronaut-langchain4j 依赖）

有用资料

有用资料可以在这里找到 https://docs.langchain4j.dev/useful-materials。

获取帮助

如需帮助，请使用 Discord 或 GitHub 讨论区。

功能请求

如果您有特定的功能需求，请通过 提交问题 告诉我们。

贡献

贡献指南可以在这里找到 https://github.com/langchain4j/langchain4j/blob/main/CONTRIBUTING.md。

LangChain4j 快速上手指南

LangChain4j 旨在简化将大语言模型（LLM）集成到 Java 应用程序中的过程。它提供统一的 API、丰富的工具箱以及大量示例，支持 20+ 种主流 LLM 提供商和 30+ 种向量数据库。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• JDK: 需要安装 Java 17 或更高版本。
• 构建工具: 推荐使用 Maven (3.8+) 或 Gradle。
• API Key: 准备一个 LLM 提供商的 API Key（例如 OpenAI、Azure OpenAI、Google Vertex AI 等）。本指南以 OpenAI 为例。

2. 安装步骤

Maven 项目

在 pom.xml 文件中添加核心依赖及具体的模型集成依赖（以 OpenAI 为例）：

<dependencies>
    <!-- LangChain4j 核心库 -->
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j</artifactId>
        <version>0.36.2</version> <!-- 请检查 Maven Central 获取最新版本 -->
    </dependency>

    <!-- OpenAI 集成模块 -->
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j-open-ai</artifactId>
        <version>0.36.2</version>
    </dependency>
    
    <!-- 可选：Slf4j 日志实现 -->
    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-simple</artifactId>
        <version>2.0.16</version>
    </dependency>
</dependencies>

提示：国内开发者若下载依赖较慢，可在 settings.xml 中配置阿里云 Maven 镜像：

<mirror>
  <id>aliyunmaven</id>
  <mirrorOf>*</mirrorOf>
  <name>Aliyun Public</name>
  <url>https://maven.aliyun.com/repository/public</url>
</mirror>

Gradle 项目

在 build.gradle 中添加：

dependencies {
    implementation 'dev.langchain4j:langchain4j:0.36.2'
    implementation 'dev.langchain4j:langchain4j-open-ai:0.36.2'
    implementation 'org.slf4j:slf4j-simple:2.0.16'
}

3. 基本使用

以下是一个最简单的示例，展示如何初始化 OpenAI 模型并发送一条消息。

代码示例

创建一个新的 Java 类（例如 QuickStart.java）：

import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;

import static dev.langchain4j.model.openai.OpenAiChatModelName.GPT_4_O_MINI;

public class QuickStart {

    public static void main(String[] args) {
        // 1. 初始化模型
        // 请将 "your-api-key" 替换为真实的 OpenAI API Key
        // 或者通过环境变量 OPENAI_API_KEY 自动读取
        ChatLanguageModel model = OpenAiChatModel.builder()
                .apiKey(System.getenv("OPENAI_API_KEY")) 
                .modelName(GPT_4_O_MINI)
                .build();

        // 2. 发送用户消息并获取响应
        String userMessage = "你好，请用一句话介绍 LangChain4j。";
        String response = model.generate(userMessage);

        // 3. 输出结果
        System.out.println(response);
    }
}

运行说明

1. 设置环境变量（Linux/Mac）：

   export OPENAI_API_KEY="sk-..."
   

   或在 Windows PowerShell 中：

   $env:OPENAI_API_KEY="sk-..."
   

   (也可以直接在代码 .apiKey("sk-...") 中填入，但建议使用环境变量)

2. 运行 main 方法，控制台将输出类似以下内容：

   LangChain4j 是一个强大的 Java 库，旨在简化大语言模型（LLM）在 Java 应用中的集成与开发。
   

下一步

现在您已经成功运行了第一个 LLM 调用。您可以进一步探索 LangChain4j 的高级功能，如：

• Prompt Templating: 提示词模板
• Chat Memory: 多轮对话记忆管理
• Tools & Agents: 函数调用与智能体
• RAG: 检索增强生成（连接向量数据库）

更多详细示例请参考 langchain4j-examples 仓库。