LangChain4j与DashScope深度集成实战：一站式开发指南

已于 2025-03-28 13:47:15 修改
阅读量1.5k 收藏 15
点赞数 19
分类专栏： 从零开始学LangChain4j 文章标签： 人工智能 LangChian4j java
于 2025-03-26 18:36:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/advent_java/article/details/146535095
版权

本篇文章会通篇详细的讲清楚LangChain4j与DashScope集成的各个方面，从Springboot的集成到Ai对话、会话记忆、RAG、FunctionCalling、互联网搜索、结构化的输出、多模态等都给出相应的说明，希望通过这篇文章对于LLM不了解的同仁一样可以扩展出自己的AI应用。

DashScope(Qwen)

DashScope是阿里云开发的一个平台。

Qwen模型是由阿里云开发的一系列生成式AI模型。Qwen系列模型是专门为文本生成、摘要、问答和各种NPL任务而设计的。

简单SpringBoot集成

第一步：新增一个父Maven工程，目的是方便后面的依赖管理

父工程POM文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

    <modelVersion>4.0.0</modelVersion>
    <groupId>com.xiaoxie</groupId>
    <artifactId>LangChain4j</artifactId>
    <packaging>pom</packaging>

    <version>1.0.0</version>

    <modules>
        <module>chat</module>
    </modules>

    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <springboot.version>3.3.5</springboot.version>
        <langchain4j_version>1.0.0-beta1</langchain4j_version>
    </properties>


    <dependencyManagement>
        <dependencies>
            
            <dependency>
                <groupId>dev.langchain4j</groupId>
                <artifactId>langchain4j</artifactId>
                <version>${langchain4j_version}</version>
            </dependency>

            <dependency>
                <groupId>dev.langchain4j</groupId>
                <artifactId>langchain4j-community-bom</artifactId>
                <version>${langchain4j_version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>

            <dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-dependencies</artifactId>
                <version>${springboot.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>
    
</project>

这里几个版本说明：

  • langchain4j：1.0.0-beta1
  • SpringBoot：3.3.5

第二步：新增一个chat的子Maven模块

子模块中基础的pom文件如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <parent>
        <groupId>com.xiaoxie</groupId>
        <artifactId>LangChain4j</artifactId>
        <version>1.0.0</version>
    </parent>

    <artifactId>chat</artifactId>

    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>
        <!-- springboot web -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <!-- langchain4j集成dashcope starter -->
        <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
        </dependency>

        <!-- lombok -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>

    </dependencies>
    
</project>

第三步：对于chat模块，修改项目的yml文件，添加关于dashcope的apikey及模型相关信息

langchain4j:
  community:
    dashscope:
      chat-model:
        apiKey: ${QWEN_API_KEY}
        modelName: qwen-max-latest

注意：这里apikey我配置到了系统的环境变量当中

需要使用大家可以自行去阿里云dashcope去申请apikey，建议也配置到自己的环境变量中

第四步：我们chat模块新增一个Controller类进行聊天对话请求

@RestController
@RequestMapping("/chat")
public class ChatController {

    @Resource
    private ChatLanguageModel chatLanguageModel;

    @GetMapping("/ai")
    public String chat(@RequestParam("message") String message) {
        return chatLanguageModel.chat(UserMessage.from(message)).aiMessage().text();
    }

}

使用AiService

第一步：我们新增一个包service，在其中定义一个接口Assistant （这个名称是可以自定义的）

public interface Assistant {
    
    String chat(String message);
}

我们要实例化出来这个Assistant的Bean出来，这里实际上使用提反射机制来完成的。

第二步：我们新增config包，其中定义一个配置类AssistantConfig，用来实例化Assistant这个Bean，由于我们在配置类中我们需要使用到AiService这个工具类，所以此时在我们的chat这个模块中添加一个依赖：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j</artifactId>
</dependency>

配置类如下：

@Configuration
public class AssistantConfig {

    @Resource
    private ChatLanguageModel chatLanguageModel;

    @Bean
    public Assistant getAssistant() {
        return AiServices.builder(Assistant.class)
                .chatLanguageModel(chatLanguageModel)
                .build();
    }
}

第三步：新增一个Controller类，使用AiService接口的代理类来实现聊天对话

@RestController
@RequestMapping("/assistant")
public class AssistantController {

    @Resource
    private Assistant assistant;

    @GetMapping("/chat")
    public String chat(@RequestParam("message") String message) {
        return assistant.chat(message);
    }
}

调整AI对话中的场景角色

使用ChatLanguageModel

在Controller中我们在调用chat方法的时候可以传入多个Message，其中有一个SystemMessage就可以用来设置角色和场景相关的信息。而UserMessage是来自于用户传递过来的请求消息。

我们此时在配置文件中定义一个SystemMessage文本配置信息

ai:
  systemMessage: 你的名字中天鉴，拥有强大的智慧

最终ChatController修改为如下：

@RestController
@RequestMapping("/chat")
public class ChatController {

    @Resource
    private ChatLanguageModel chatLanguageModel;

    @Value("${ai.systemMessage}")
    private String systemMessage;

    @GetMapping("/ai")
    public String chat(@RequestParam("message") String message) {
        return chatLanguageModel.chat(List.of(SystemMessage.systemMessage(systemMessage),
                UserMessage.from(message))).aiMessage().text();
        // return chatLanguageModel.chat(UserMessage.from(message)).aiMessage().text();
    }
}

使用AiService

在初始化AiService的Bean的时候，我们可以在创建Bean的类上加上一个注解@SystemMessage，给定其中的value值则可以完成指定。

@Bean
@SystemMessage("${ai.systemMessage}")
public Assistant getAssistant() {
    return AiServices.builder(Assistant.class)
            .chatLanguageModel(chatLanguageModel)
            .build();
}

如果我们不使用@SystemMessage注解的话也可以在构造的链式调用时调用systemMessageProvider()来指定

@Value("${ai.systemMessage}")
private String systemMessage;

@Bean
public Assistant getAssistant() {
    return AiServices.builder(Assistant.class)
            .chatLanguageModel(chatLanguageModel)
            .systemMessageProvider(request -> systemMessage)
            .build();
}

会话记忆

我们一般来说实现会话记忆的方式如下：

实际上我们调用原生API的时候，我们要实现的话要把所有会话历史内容发送给LLM

我们再新增一个Maven模块：memory

基础的pom.xml如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>com.xiaoxie</groupId>
        <artifactId>LangChain4j</artifactId>
        <version>1.0.0</version>
    </parent>

    <artifactId>memory</artifactId>

    <properties>
        <maven.compiler.source>17</maven.compiler.source>
        <maven.compiler.target>17</maven.compiler.target>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <dependencies>

        <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j</artifactId>
        </dependency>

        <!-- springboot web -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <!-- langchain4j集成dashcope starter -->
        <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
        </dependency>

        <!-- lombok -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>

    </dependencies>

</project>

主配置文件如下：

langchain4j:
  community:
    dashscope:
      chat-model:
        apiKey: ${QWEN_API_KEY}
        modelName: qwen-max-latest

我们要创建一个配置类来配置ChatMemory这个Bean

@Configuration
p
最低0.47元/天 解锁文章
【大模型】SpringBoot整合LangChain4j实现RAG检索实战详解
congge
03-30 7984
SpringBoot整合LangChain4j实现RAG检索实战详解
Langchain4j-Java大模型应用开发实战
program哲学
07-23 3969
本文详细介绍如何基于Java 利用Langchain4j框架开发大模型应用，包括各种实战内容
Java开发者LLM实战——使用LangChain4j构建本地RAG系统
京东科技开发者
07-02 2622
RAG（Retrieval-Augmented Generation）的核心思想是：将传统的信息检索（IR）技术与现代的生成式大模型（如chatGPT）结合起来。具体来说，RAG模型在生成答案之前，会首先从一个大型的文档库或知识库中检索到若干条相关的文档片段。再将这些检索到的片段作为额外的上下文信息，输入到生成模型中，从而生成更为准确和信息丰富的文本。RAG的工作原理可以分为以下几个步骤：1.接收请求：首先，系统接收到用户的请求（例如提出一个问题）。2.信息****检索（R)
LangChain + Qwen（DashScope API）
AI工程化、开源分享、文档翻译、代码笔记
03-19 5558
两者的区别在于，ModelScope上的许多开发者是基于模型的checkpoint进行Fine-tune，而DashScope更多地为模型提供商（如百川智能、智谱AI、Stability.AI等）提供服务，通过API的方式向下游厂商提供Fine-tune和Influence链路服务。无独有偶，阿里云的通义千问也是同样的情况，Qwen-7B模型是开源的，而Qwen-50B模型未来可能会通过DashScope去做API模式的商业化。相对较小的小模型走开源路线，相对较大的大模型则走商业路线。
【AI大模型】DashScope 介绍
weixin_53880910的博客
06-04 5978
DashScope是阿里云的一款模型服务产品，简化了AI模型的应用与部署。 * 对主流的AI大模型进行了标准化封装，提供API接口，方便开发者可以调用这些模型，并进行推理、训练、微调。 * 为开发者提供了从模型获取、使用到优化的一站式解决方案，极大地促进了AI技术在不同行业和场景中的广泛应用。
LangChain4j实战
Box_clf的博客
06-09 2106
对于Java系统, 提供AI-Agent的可实现方式, 使用LangChain4j开发demo实现对话形式对数据库生成有意义的测试数据
langchain4j实战：三种模型的使用（ChatLanguageModel、StreamingChatLanguageModel、ImageModel）
VivianStark的博客
05-17 3784
langchain4j版本用的是0.27.1，LLM大模型使用OpenAi本文主要介绍聊天对话、流式对话、文生图三种模式的使用，只需要两步就可以实现和LLM交互。
AI大模型企业应用实战：Prompt让LLM理解知识
2401_84204413的博客
06-25 2599
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
LLaMA 3.2 Vision 实践教程：使用 LLaMA 3.2 Vision ， LLaMA 3.2 Vision 如何集成先进的视觉感知和文本处理，实现强大的图像理解和 AI 驱动的文档分析
iCloudEnd的博客
10-01 1734
人工智能领域正在迅速发展，人们越来越重视多模态人工智能——即模型处理和理解来自多种模态（如文本和图像）的输入的能力。Meta的 LLaMA 3.2 Vision是该领域最新、最先进的创新之一。这个强大的多模态模型集成了语言和视觉，在视觉推理、文档理解和基于图像的创意应用方面提供了前所未有的能力。在本博客中，我们将探索 LLaMA 3.2 Vision 的功能、其独特的架构、性能基准，并引导您完成一个动手教程，以使用该模型执行图像文本任务。
LLM系列(1)：构建面向知识库的行业专属大模型系统——全流程落地技术方案
丨汀、的博客
04-29 1432
LLM系列(1)：构建面向知识库的行业专属大模型系统——全流程落地技术方案
langchain4j+milvus实战
go4it
03-03 718
本文主要研究一下如何使用langchain4j来对接向量数据库milvus。
LangChain 实战教程：构建带记忆的聊天机器人
python123456_的博客
02-10 1301
复制后 格式化下 填入环境变量即可运行在传统聊天机器人中，对话往往是“无状态”的——每次对话都独立处理，无法记住上下文。本教程将使用LangChain框架，构建一个能够记住对话历史的智能聊天机器人。
解锁AI的神秘力量：LangChain4j带你步入智能化实践之门
weixin_42326548的博客
05-08 1835
在探索LangChain4j的旅程中，我们不仅揭开了AI实践的神秘面纱，还发现了如何将这些强大的技术应用到实际业务中。随着智能化时代的大门缓缓开启，让我们携手LangChain4j，共同迈向一个更智能、更高效的未来。
【微服务】SpringBoot整合LangChain4j 操作AI大模型实战详解
热门推荐
congge
03-17 1万+
SpringBoot 整合 LangChain4j 操作实战详解
LangChain4j: 基于Java的LLM集成库完全指南
gitblog_00107的博客
08-08 1498
LangChain4j: 基于Java的LLM集成库完全指南 项目地址:https://gitcode.com/gh_mirrors/la/langchain4j 项目介绍 LangChain4j 是一个专为Java开发者设计的库，它响应了2023年初ChatGPT带来的AI热潮，填补了Java领域在语言模型（LLM）集成工具上的空白。此项目灵感源于LangChain、Haystack、Llama...
一、LangChain4j 介绍github地址：https://github.com/langchain4j/langchain4j
最新发布
04-01
### LangChain4j 介绍 LangChain4j 是一个专注于简化将人工智能 (AI) 和大型语言模型 (LLM) 功能集成到 Java 应用程序中的开源框架[^2]。其核心目标是通过提供一系列工具和库来降低开发人员在构建基于 AI 的应用时的技术门槛，从而让开发者能够更高效地实现复杂的自然语言处理和其他机器学习任务。 该框架不仅提供了丰富的 API 来支持常见的 LLM 集成功能，还设计了许多模块化的组件以便于扩展和自定义。尽管有评价指出其官方文档和源码结构相较于其他框架可能稍显复杂[^4]，但随着深入理解，它的灵活性和便利性逐渐显现出来。 以下是 LangChain4j 的 **GitHub 项目地址**： - 主页链接：[https://github.com/langchain4j/langchain4j](https://github.com/langchain4j/langchain4j) 此外，在项目的 `pom.xml` 文件中可以找到更多关于依赖管理和版本控制的信息[^3]。 ```xml <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <!-- 更多配置 --> </project> ``` 上述片段展示了 Maven 构建文件的一部分内容，它对于理解和部署 LangChain4j 至关重要。 --- ###
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值