# LangChain4j Spring Boot 集成要实现 LangChain4j 与 Spring Boot 应用程序的集成，请遵循此全面指南，涵盖自动配置、声明式 AI 服务、聊天模型、嵌入存储和用于构建 AI 应用程序的生产就绪模式。 ## 何时使用在以下情况下完成 LangChain4j 与 Spring Boot 的集成： * 将LangChain4j集成到现有的Spring Boot应用程序中 * 使用 Spring Boot 构建人工智能驱动的微服务 * 设置AI模型和服务的自动配置 * 使用 Spring 依赖注入创建声明式 AI 服务 * 配置多个AI提供商（OpenAI、Azure、Ollama等） * 使用 Spring Boot 实现 RAG 系统 * 设置AI组件的可观察性和监控 * 使用 Spring Boot 构建生产就绪的人工智能应用程序 ## 概述 LangChain4j Spring Boot 集成通过 Spring Boot 启动器提供声明式 AI 服务，实现基于属性的 AI 组件的自动配置。该集成将 Spring 依赖注入的强大功能与 LangChain4j 的 AI 功能相结合，允许开发人员使用基于接口的定义和注释来创建人工智能驱动的应用程序。 ## 核心概念使用 Spring Boot 完成 LangChain4j 的基本设置： **添加依赖项：** <依赖关系> dev.langchain4j langchain4j-spring-boot-starter 1.8.0 // 使用最新版本 <依赖关系> dev.langchain4j langchain4j-open-ai-spring-boot-starter <版本>1.8.0 **配置属性：** # 应用程序. 属性 langchain4j.open-ai.chat-model.api-key=${OPENAI_API_KEY} langchain4j.open-ai.chat-model.model-name=gpt-4o-mini langchain4j.open-ai.chat-model.温度=0.7 **创建声明式人工智能服务：** @AiService 接口客户支持助理{ @SystemMessage（“您是 TechCorp 的一位乐于助人的客户支持代理。”）字符串handleInquiry（字符串customerMessage）； } ## 说明请按照以下分步说明将 LangChain4j 与 Spring Boot 集成： ### 1\.添加依赖项在“pom.xml”或“build.gradle”中包含必要的 Spring Boot 启动器： <依赖关系> dev.langchain4j langchain4j-spring-boot-starter <版本>1.8.0 <依赖关系> dev.langchain4j langchain4j-open-ai-spring-boot-starter <版本>1.8.0 ### 2\.配置应用程序属性在`application.properties`或`application.yml`中设置AI模型配置： # 应用程序. 属性 langchain4j.open-ai.chat-model.api-key=${OPENAI_API_KEY} langchain4j.open-ai.chat-model.model-name=gpt-4o-mini langchain4j.open-ai.chat-model.温度=0.7 langchain4j.open-ai.chat-model.timeout=PT60S langchain4j.open-ai.chat-model.max-tokens=1000 或者使用 YAML： langchain4j：开放式人工智能：聊天模型： API 密钥：${OPENAI_API_KEY} 型号名称：gpt-4o-mini 温度：0.7 超时时间：60秒最大代币数：1000 ### 3\.创建声明式 AI 服务通过注解定义AI服务接口：导入 dev.langchain4j.service.spring.AiService; @AiService 公共接口客户支持助理{ @SystemMessage（“您是 TechCorp 的一位乐于助人的客户支持代理。”）字符串handleInquiry（字符串customerMessage）； @UserMessage("将以下文本翻译为{{语言}}：{{text}}") 字符串翻译（字符串文本，字符串语言）； } ### 4\.启用组件扫描确保AI服务位于Spring扫描的包中： @SpringBootApplication @ComponentScan(basePackages = { “com.yourcompany”， "dev.langchain4j.service.spring" // 用于AiService扫描 }) 公共类应用程序{ 公共静态无效主（字符串[] args）{ SpringApplication.run(Application.class, args); } } ### 5\.注入并使用AI服务 @服务公共类客户服务{ 私人最终 CustomerSupportAssistant 助理；公共客户服务（客户支持助理助理）{ this.assistant = 助理； } 公共字符串 processCustomerQuery（字符串查询）{ 返回 Assistant.handleInquiry(query); } } ## 配置完成LangChain4j的Spring Boot配置： **基于属性的配置：**通过不同提供商的应用程序属性配置AI模型。 **手动 Bean 配置：** 对于高级配置，使用 @Configuration 手动定义 Bean。 **多个提供商：** 在需要时通过显式连接支持多个 AI 提供商。 ## 声明式人工智能服务完成基于接口的AI服务定义： **基础AI服务：** 使用@AiService注解创建接口，并使用消息模板定义方法。 **流式 AI 服务：** 使用 Reactor 或 Project Reactor 实现流式响应。 **显式接线：** 通过@AiService(wiringMode = EXPLICIT, chatModel = "modelBeanName") 指定要使用的模型。 ## RAG 实施完成RAG系统实施： **嵌入存储：** 配置各种嵌入存储（PostgreSQL/pgvector、Neo4j、Pinecone 等）。 **文档摄取：** 实现文档处理和嵌入生成。 **内容检索：** 设置内容检索机制以增强知识。 ## 工具集成完成AI工具集成： **Spring 组件工具：** 使用 @Tool 注解将工具定义为 Spring 组件。 **数据库访问工具：** 创建数据库操作和业务逻辑的工具。 **工具注册：** 使用 AI 服务自动注册工具。 ## 示例 ### 基础AI服务 @AiService 公共接口聊天助手{ @SystemMessage("你是一个有用的助手。") 字符串聊天（字符串消息）； } ### 带记忆的人工智能服务 @AiService 公共接口对话助手{ @SystemMessage(“你是一个有对话记忆的有用助手。”) String chat(@MemoryId String userId, String message); } ### 人工智能服务与工具 @组件公共课计算器{ @Tool("计算两个数字的和") 公共双加（双a，双b）{ 返回a+b； } } @AiService 公共接口数学助手{ 字符串解决（字符串问题）； } // Spring自动注册计算器工具 ### RAG 配置 @配置公共类 RagConfig { @豆子公共 EmbeddingStore embeddingStore() { 返回 PgVectorEmbeddingStore.builder() .host("本地主机") .端口(5432) .database("向量数据库") .table("嵌入") .维度(1536) .build(); } @豆子公共 EmbeddingModel embeddingModel() { 返回 OpenAiEmbeddingModel.withApiKey(System.getenv("OPENAI_API_KEY")); } } @AiService 公共接口 RagAssistant { String answer(@UserMessage("问题：{{question}}") String Question); } 要了解实现模式，请参阅 [references/examples.md]() 中的综合示例。 ## 最佳实践要完成生产就绪的人工智能应用程序： * **使用基于属性的配置：** 硬编码值的外部配置 * **实施正确的错误处理：** 优雅的降级和有意义的错误响应 * **使用不同环境的配置文件：** 开发、测试和生产的单独配置 * **实施正确的日志记录：** 调试 AI 服务调用并监控性能 * **安全 API 密钥：** 使用环境变量并且从不进行版本控制 * **处理失败：** 实施重试机制和回退策略 * **监控性能：** 添加指标和运行状况检查以实现可观察性 ## 参考文献有关详细的 API 参考、高级配置和其他模式，请参阅： * [API参考]() \- 完整的API参考和配置 * [示例]() \- 全面的实现示例 * [配置指南]() \- 深入了解配置选项 ## 限制和警告 * API 密钥必须使用环境变量或秘密管理系统安全存储。 * AI模型响应是不确定的；测试应考虑变异性。 * 速率限制可能适用于人工智能提供商；实施适当的重试和退避策略。 * 内存提供者存储对话历史记录；为多用户场景实施适当的清理。 * 代币成本会快速累积；监控使用情况并实施令牌限制。 * 流式响应需要对部分失败进行适当的错误处理。 * 并非所有 AI 提供商都支持所有功能；检查提供商特定的文档。 * 配置多个聊天模型时应使用显式接线方式。 * AI 生成的输出应在用于生产系统之前进行验证。

Langchain4j Spring Boot 集成

包含技能