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
LangChain4j + 低阶和高阶 API的详细说明
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);

    ...

}

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();

}

@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;

}

high level 高阶

low level 低阶 API 的使用

导入相关的依赖：



    <dependencies>

        <dependency>

            <groupId>org.springframework.boot</groupId>

            <artifactId>spring-boot-starter-web</artifactId>

        </dependency>

        <!--langchain4j-open-ai 基础-->

        <!--所有调用均基于 OpenAI 协议标准，实现一致的接口设计与规范LangChain4j 提供与许多 LLM 提供商的集成

        从最简单的开始方式是从 OpenAI 集成开始https://docs.langchain4j.dev/get-started    -->

        <dependency>

            <groupId>dev.langchain4j</groupId>

            <artifactId>langchain4j-open-ai</artifactId>

        </dependency>

        <!--langchain4j 高阶-->

        <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>

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

 */

@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();

    }

}

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;

    }

}

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

 * <p>

 * 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);

}

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

 */

@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();

    }

}

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

 */

@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);

    }

}

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

@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);

    }

}

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。”