3. LangChain4j + 低阶和高阶 API的详细说明

文文美人鱼 發表於 2025-8-29 20:38:00

3. LangChain4j + 低阶和高阶 API的详细说明

<h1 id="3-langchain4j--低阶-和-高阶-api的详细说明">3. LangChain4j + 低阶和高阶 API的详细说明</h1>
@<div class="toc"><div class="toc-container-header">目录</div><ul><li>3. LangChain4j + 低阶和高阶 API的详细说明</li><li>LangChain4j + 低阶和高阶 API的详细说明<ul><li>LangChain4j在两个抽象层(低阶 / 高阶)提供不同的 api<ul><li>low level 低阶</li><li>high level 高阶</li></ul></li><li>low level 低阶 API 的使用<ul><li>大模型中的Token VS Web开发中的Token</li></ul></li><li>high level 高阶 API 的详细使用</li></ul></li><li>最后：</li></ul></div>
<h1 id="langchain4j--低阶-和-高阶-api的详细说明">LangChain4j + 低阶和高阶 API的详细说明</h1>
https://docs.langchain4j.dev/get-started/
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823593-1291703291.png" class="lazyload">
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823708-195462746.png" class="lazyload">
https://docs.langchain4j.dev/tutorials/chat-and-language-models/
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823529-1332790799.png" class="lazyload">
LLM 目前有两种 API 类型：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823552-1057016089.png" class="lazyload">
<ul>
<li><code>LanguageModel</code>。它们的 API 非常简单 - 接受 <code>String</code> 作为输入并返回 <code>String</code> 作为输出。这种 API 现在正在被聊天 API（第二种 API 类型）所取代。</li>
<li>ChatModel。这些接受多个 <code>ChatMessage</code> 作为输入并返回单个 <code>AiMessage</code> 作为输出。 <code>ChatMessage</code> 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 <code>gpt-4o-mini</code> 和 Google 的 <code>gemini-1.5-pro</code>。</li>
</ul>
LangChain4j 不会再扩展对 <code>LanguageModel</code> 的支持，因此在所有新功能中，我们将使用 ChatModel API。
<code>ChatModel</code> 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 <code>ChatModel</code> 和 <code>LanguageModel</code> 外，LangChain4j 还支持以下类型的模型：
<ul>
<li><code>EmbeddingModel</code> - 这种模型可以将文本转换为 <code>Embedding</code>。</li>
<li><code>ImageModel</code> - 这种模型可以生成和编辑 <code>Image</code>。</li>
<li><code>ModerationModel</code> - 这种模型可以检查文本是否包含有害内容。</li>
<li><code>ScoringModel</code> - 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。</li>
</ul>
现在，让我们仔细看看 <code>ChatModel</code> API。
<pre><code class="language-java">public interface ChatModel {

String chat(String userMessage);

...
}
</code></pre>
如您所见，有一个简单的 <code>chat </code> 方法，它接受 <code>String </code> 作为输入并返回 <code>String </code> 作为输出，类似于 <code>LanguageModel </code> 。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 <code>String </code> 包装在 <code>UserMessage </code> 中。

<h2 id="langchain4j在两个抽象层低阶--高阶提供不同的-api">LangChain4j在两个抽象层(低阶 / 高阶)提供不同的 api</h2>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823588-276246995.png" class="lazyload">
<ul>
<li>https://docs.langchain4j.dev/intro</li>
</ul>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823894-1504077482.png" class="lazyload">
<blockquote>
<ul>
<li>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,、<code>UserMessage</code>、<code>AiMessage</code>、<code>EmbeddingStore</code>、<code>Embedding</code> 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。</li>
</ul>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823561-49951373.png" class="lazyload">
</blockquote>
<h3 id="low-level-低阶">low level 低阶</h3>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823848-1019024026.png" class="lazyload">
ChatModel 接口如下的默认实现的方法：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823497-1599087215.png" class="lazyload">
ChatModel提供的--种极其简便的方法：如下：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823904-224256204.png" class="lazyload">
<pre><code class="language-java">default String chat(String userMessage) {
ChatRequest chatRequest = ChatRequest.builder()
 .messages(UserMessage.from(userMessage))
 .build();

ChatResponse chatResponse = chat(chatRequest);

return chatResponse.aiMessage().text();
}

</code></pre>
<pre><code class="language-java">@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;
}

</code></pre>
<hr>
<h3 id="high-level-高阶">high level 高阶</h3>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823521-1700373479.png" class="lazyload">
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823556-1561671219.png" class="lazyload">
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823845-2004969788.png" class="lazyload">
<h2 id="low-level-低阶-api-的使用">low level 低阶 API 的使用</h2>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823543-1029465508.png" class="lazyload">
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823586-1500377827.png" class="lazyload">
导入相关的依赖：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823529-1465511542.png" class="lazyload">
<pre><code class="language-xml">
<dependencies>

 <dependency>
 <groupId>org.springframework.boot</groupId>
 <artifactId>spring-boot-starter-web</artifactId>
 </dependency>
 
 
 <dependency>
 <groupId>dev.langchain4j</groupId>
 <artifactId>langchain4j-open-ai</artifactId>
 </dependency>
 
 <dependency>
 <groupId>dev.langchain4j</groupId>
 <artifactId>langchain4j</artifactId>
 </dependency>

 <dependency>
 <groupId>junit</groupId>
 <artifactId>junit</artifactId>
 <version>3.8.1</version>
 <scope>test</scope>
 </dependency>
</dependencies>
</code></pre>
配置对应大模型的配置类。
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823531-1833144194.png" class="lazyload">
<pre><code class="language-java">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
*/
@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")// 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();
}
}

</code></pre>
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
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823680-1777682522.png" class="lazyload">
启动测试：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823520-844280977.png" class="lazyload">
<h3 id="大模型中的token-vs-web开发中的token">大模型中的Token VS Web开发中的Token</h3>
大模型当中的 Token
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823739-862499833.png" class="lazyload">
Web 开发中的 Token
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823552-1386138380.png" class="lazyload">
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823504-81177234.png" class="lazyload">
<pre><code class="language-java">// 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;
}
}
</code></pre>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823490-591793891.png" class="lazyload">
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。
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203824122-660811273.png" class="lazyload">
运行测试：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203825225-2052705057.png" class="lazyload">
<h2 id="high-level-高阶-api-的详细使用">high level 高阶 API 的详细使用</h2>
<ul>
<li>https://docs.langchain4j.dev/tutorials/ai-services/</li>
</ul>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823549-1451459133.png" class="lazyload">
翻译：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823591-672647952.png" class="lazyload">
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
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823585-113779660.png" class="lazyload">
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823532-112791979.png" class="lazyload">
<ol>
<li>定义 AI Service 接口：</li>
</ol>
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）
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823511-1893460952.png" class="lazyload">
<pre><code class="language-java">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);
}

</code></pre>
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）
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823524-778393741.png" class="lazyload">
<pre><code class="language-java">
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
*/
@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();
}
}
</code></pre>
<ol start="3">
<li>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 <code>AiServices.create()</code>方法就好创建好我们自定义的接口实现类。</li>
</ol>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823533-2100685972.png" class="lazyload">
<pre><code class="language-java">
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
*/
@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();
}

// 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);
}

}
</code></pre>
AlService是如何工作的
https://docs.langchain4j.dev/tutorials/ai-services/#how-does-it-work
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203824291-1284054559.png" class="lazyload">
<ol start="4">
<li>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 <code>AiServices.create()</code>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 <code>@Bean</code>加入到了 IOC 容器当中管理了，所以可以直接，通过 <code>@Resource</code> 注解注入。</li>
</ol>
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823492-1705134941.png" class="lazyload">
<pre><code class="language-java">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
@Slf4j
public 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);
}
}
</code></pre>
运行测试：
<img alt="" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203823847-1175225603.png" class="lazyload">
<h1 id="最后">最后：</h1>
<blockquote>
“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。”
<img alt="在这里插入图片描述" loading="lazy" src="https://img2024.cnblogs.com/blog/3084824/202508/3084824-20250829203824682-1934141213.gif" class="lazyload">
</blockquote> 
来源：https://www.cnblogs.com/TheMagicalRainbowSea/p/19065140

頁: [1]

琼殿技术论坛's Archiver

3. LangChain4j + 低阶 和 高阶 API的详细说明

3. LangChain4j + 低阶和高阶 API的详细说明