← 返回首页 📚 实战课程
📑 本篇章节导航 (共5章,点击直达)
本节目标(学完能回答的面试题)核心知识(1小时精讲内容)面试速记卡(考前30秒速看)练习题(自测)学习资料

L28 - LangChain4j入门

本节目标(学完能回答的面试题)

核心知识(1小时精讲内容)

1. LangChain4j vs Spring AI 全面对比


┌───────────────┬──────────────────────┬──────────────────────┐
│     维度       │    Spring AI         │    LangChain4j       │
├───────────────┼──────────────────────┼──────────────────────┤
│ 定位          │ Spring官方AI框架      │ LangChain的Java版     │
│ 依赖          │ 强依赖Spring生态      │ 独立,可选Spring集成  │
│ 学习曲线      │ Spring开发者平滑      │ 需要学新API           │
│ 核心API风格   │ Builder/Fluent        │ 声明式(接口+注解)     │
│ 配置方式      │ application.yml       │ Java Builder          │
│ 模型切换      │ 改配置文件            │ 改Builder代码         │
│ RAG支持       │ VectorStore+Advisor   │ 内置完整RAG流程       │
│ 工具调用       │ @Bean+@Description    │ @Tool注解             │
│ 对话记忆       │ ChatMemory接口        │ ChatMemory接口        │
│ 流式输出       │ Flux<String>          │ StreamingChatModel    │
│ Agent能力     │ 基础                  │ 更丰富(AiServices)    │
│ 社区生态      │ Spring生态            │ LangChain生态         │
│ 企业适配      │ Spring Boot首选       │ 通用性更强            │
└───────────────┴──────────────────────┴──────────────────────┘

一句话总结:

2. LangChain4j核心概念


四大核心模块:

langchain4j-core:              核心接口和抽象
langchain4j:                   主要功能实现
langchain4j-spring-boot-starter: Spring Boot集成

关键抽象:
  ChatLanguageModel:          同步对话
  StreamingChatLanguageModel: 流式对话
  EmbeddingModel:             向量化
  AiServices:                 声明式AI服务(最大亮点)
  Tools:                      工具调用
  RAG:                        内置RAG流程

3. AiServices —— 最大亮点(声明式API)


// 定义接口(类似MyBatis的Mapper——声明式,不需要写实现类)
interface Assistant {

    @SystemMessage("你是一个Java面试助手,请用中文回答")
    String chat(String userMessage);

    @SystemMessage("你是代码审查专家,请分析以下代码的问题")
    String review(@UserMessage String code);
}

// 构建(自动生成实现类)
Assistant assistant = AiServices.builder(Assistant.class)
    .chatLanguageModel(model)
    .contentRetriever(contentRetriever)  // RAG
    .tools(weatherTool, orderTool)       // 工具
    .chatMemory(memory)                  // 记忆
    .build();

// 使用(像调普通方法一样)
String answer = assistant.chat("HashMap和ConcurrentHashMap区别?");

和Spring AI的ChatClient对比:


Spring AI ChatClient:
  chatClient.prompt()
      .system("...")
      .user("...")
      .functions("tool1")
      .call()
      .content();

LangChain4j AiServices:
  // 接口定义一次,使用时像调普通方法
  assistant.chat("...");

AiServices优势:
  - 声明式,不需要每次拼Prompt
  - 接口定义 = 文档,团队协作更清晰
  - System Message用注解定义,类型安全

ChatClient优势:
  - 更灵活,每次调用可以动态改变Prompt
  - 和Spring生态整合更深
  - Advisor链机制更强大

4. LangChain4j工具调用


// 定义工具类
class OrderTools {

    @Tool("查询用户最近的订单")
    List<Order> queryRecentOrders(@P("用户ID") String userId) {
        return orderService.getRecentOrders(userId);
    }

    @Tool("取消订单")
    boolean cancelOrder(@P("订单号") String orderId) {
        return orderService.cancel(orderId);
    }
}

// 注册到AiServices
Assistant assistant = AiServices.builder(Assistant.class)
    .chatLanguageModel(model)
    .tools(new OrderTools())
    .build();

// 用户说"帮我取消最近的订单"
// → Agent自动调用queryRecentOrders → cancelOrder

5. LangChain4j RAG实现


// 1. 文档加载和分割
DocumentSplitter splitter = DocumentSplitters.recursive(300, 50);
List<TextSegment> segments = splitter.split(document);

// 2. Embedding和存储
EmbeddingStore<TextSegment> store = new MilvusEmbeddingStore(...);
store.addAll(embeddings, segments);

// 3. 检索器
ContentRetriever retriever = EmbeddingStoreContentRetriever.builder()
    .embeddingStore(store)
    .embeddingModel(embeddingModel)
    .maxResults(5)
    .minScore(0.7)
    .build();

// 4. 集成到AiServices
Assistant assistant = AiServices.builder(Assistant.class)
    .chatLanguageModel(model)
    .contentRetriever(retriever)  // 一行加RAG
    .build();

6. 对话记忆


// 窗口记忆(保留最近N轮)
ChatMemory memory = MessageWindowChatMemory.withMaxMessages(20);

// 集成
Assistant assistant = AiServices.builder(Assistant.class)
    .chatLanguageModel(model)
    .chatMemory(memory)
    .build();

7. 什么场景选LangChain4j


选Spring AI的场景(推荐Java后端):
  ✅ 项目已经用Spring Boot
  ✅ 团队熟悉Spring生态
  ✅ 需要Advisor链做统一拦截(RAG/缓存/日志)
  ✅ 需要Spring Boot Starter自动配置
  ✅ 企业级Java后端项目

选LangChain4j的场景:
  ✅ 非Spring项目(如Quarkus/Micronaut)
  ✅ 需要声明式API的简洁性
  ✅ 需要更丰富的Agent能力
  ✅ 团队有Python LangChain经验
  ✅ 快速原型验证

面试话术:
"我们主项目用Spring AI,因为和Spring Boot无缝整合,
Advisor机制统一处理RAG/记忆/日志。
同时了解LangChain4j的AiServices声明式API,
在一些独立工具脚本中会用到。
两个框架各有所长,选型要看团队技术栈和项目需求。"

8. 面试Trade-off话术


面试官: "Spring AI和LangChain4j你怎么选?"

回答:
"从三个维度看:

1. 团队技术栈: 我们团队全是Spring开发者,Spring AI学习成本最低,
   自动配置、Advisor机制都和Spring风格一致。

2. 工程成熟度: Spring AI 1.0已经GA,Spring官方背书,
   版本迭代和质量有保障。LangChain4j社区活跃但不是Spring官方项目。

3. 扩展性: LangChain4j的AiServices声明式API更优雅,
   但我们的场景用ChatClient的Fluent API足够,
   而且Advisor链在工程化(RAG/缓存/审计)上更方便。

最终选了Spring AI,同时保持对LangChain4j的关注——
如果出现需要非Spring环境部署的场景,会优先考虑LangChain4j。"

面试速记卡(考前30秒速看)

练习题(自测)

1. 对比Spring AI和LangChain4j的3个核心差异

2. 用LangChain4j的AiServices写一个代码审查助手(接口定义+构建+使用)

3. 什么场景下你会选LangChain4j而不是Spring AI?举2个例子

4. 用自己的话解释AiServices的"声明式API"是什么意思,和ChatClient有什么不同

5. 面试官问"两个框架的Trade-off",准备一个30秒的回答

学习资料