2024-LangChain4J-demo：展示Java应用中LLM实力的演示项目

最新推荐文章于 2025-05-30 21:38:27 发布
最新推荐文章于 2025-05-30 21:38:27 发布
阅读量241 收藏 10
点赞数 5
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/gitblog_00171/article/details/147969399
版权

2024-LangChain4J-demo：展示Java应用中LLM实力的演示项目

2024-LangChain4J-demo 2024-LangChain4J-demo 项目地址: https://gitcode.com/gh_mirrors/20/2024-LangChain4J-demo

项目介绍

2024-LangChain4J-demo 是一个基于 Spring Boot 的开源项目，旨在演示如何利用 LangChain4j 创建 Java 应用程序，并集成大型语言模型（LLM）。这个项目提供了多个示例，涵盖了从生成图像到复杂对话系统的多种功能，用户可以通过这些示例快速学习并掌握 LangChain4j 的使用方法。

项目技术分析

LangChain4Jdemo 采用了 Spring Boot 框架，这使得项目在搭建和部署方面更加便捷。它利用 LangChain4j 库，这是一个为 Java 提供了简单接口的库，可以轻松地将 LLMs（如 GPT-4o、GPT-4o-mini、Phi-4 和 tinyllama）集成到 Java 应用程序中。

项目支持多种配置和运行环境，包括完全在本地运行（使用 Docker、Ollama 和 Qdrant），在云环境中运行（使用 Azure OpenAI 或 GitHub Models，以及 Azure AI Search）。这种灵活的配置方式使得开发者可以根据自己的需求和资源情况进行选择。

项目及技术应用场景

以下是 2024-LangChain4J-demo 的几个关键应用场景：

  1. 图像生成：使用 Dalle-3 模型生成图像。
  2. 文本生成：利用 GPT-4o、GPT-4o-mini、Phi-4 和 tinyllama 等模型生成文本。
  3. 上下文记忆的聊天对话：创建可以记住上下文的聊天会话。
  4. 数据存入向量数据库并使用：将数据存入向量数据库，并进行查询。
  5. Easy RAG 使用演示：LangChain4j 的 Easy RAG 功能及其完整示例。
  6. 函数调用和结构化输出：展示如何在应用程序中使用函数调用和生成结构化输出（JSON Schemas）。

项目特点

多配置支持

项目提供了多种配置选项，以适应不同的运行环境和资源限制：

  • Azure 配置：使用 Azure OpenAI 和 Azure AI Search。
  • 本地小型配置：使用 Ollama 和 Qdrant，适合资源有限的环境。
  • 本地高质量配置：使用 Ollama，但需要更多的 CPU 和 RAM 资源。
  • GitHub Models 配置：使用 GitHub 提供的模型。
  • Elasticsearch 配置：使用 Elasticsearch 代替 Qdrant 作为嵌入存储。

灵活的环境适应性

无论是本地运行还是云端部署，项目都能够根据不同的环境进行调整，提供了多种 Docker Compose 文件来简化配置过程。

丰富的演示示例

项目包含多个演示示例，覆盖了从图像生成到复杂对话系统的各种功能，这些示例可以帮助开发者快速理解和掌握 LangChain4j 的使用。

高度和可定制性

通过不同的配置文件和 Spring Boot 配置选项，开发者可以轻松地根据自己的需求调整项目配置。

总结

2024-LangChain4J-demo 是一个功能强大、高度可定制且易于使用的开源项目，它不仅展示了 Java 应用程序中集成 LLMs 的可能性，还为开发者提供了一个学习 LangChain4j 的绝佳平台。无论你是初学者还是经验丰富的开发者，都可以通过该项目快速掌握 LLMs 在 Java 中的应用，并在此基础上开发出更多创新的应用程序。立即尝试 2024-LangChain4J-demo，开启你的 LLMs 集成之旅吧！

2024-LangChain4J-demo 2024-LangChain4J-demo 项目地址: https://gitcode.com/gh_mirrors/20/2024-LangChain4J-demo

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

1. LangChain4j 之入门基础(简单易学)
gorgor在码农
07-08 2453
不知道的朋友，可以看我一下两篇文章。
【LangChain编程：从入门到实践】自定义提示模板
AI天才研究院
06-29 653
【LangChain编程：从入门到实践】自定义提示模板 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：提示工程(Prompt Engineering), 大型语言模型(LLMs), LangChain库, 自动化问答,
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 1867
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。
Java程序员的AI之LangChain4j（一）从零到企业级AI开发
热门推荐
qq1071643762的博客
10-12 1万+
让JAVA程序员更快的理解AI接入的LangChain4j
LangChain4j入门指南：Java开发者的AI应用新起点
qq_59534628的博客
03-20 1800
LangChain是⼀个⼤模型的开发框架，使⽤LangChain框架，程序员可以更好的利⽤⼤模型的能⼒，⼤⼤提⾼编程效率。如果你是⼀个Java程序员，那么对LangChain最简单直观的理解就是，LangChain是⼤模型领域的Spring。LangChain不光提供了⼀整套快速接⼊各种开放⼤模型的⼯具，更重要的是，他集成了当今程序员使⽤⼤模型能⼒最好的⽅案。LangChain是⼀个基于Python开发的框架，⽽则是LangChain的Java版本。
LangChain4j LangChain集成到JAVA应用
m0_46467161的博客
04-10 1万+
LangChain4j LangChain集成到JAVA应用
LangChain4j 从入门到放弃，java可以使用的 LLM 大模型 AI 框架（1）快速开始
TangBoBoa的博客
12-03 9867
随着人工智能（AI）技术的迅猛发展，越来越多的开发者开始关注 AI 应用的开发。然而，市场上主流的 AI 框架和工具（如 LangChain、PyTorch）大多仅支持 Python，这为 Java 开发者带来了工具不足和学习门槛较高的困扰。LangChain4j 是一个旨在简化将大型语言模型（LLM）集成到 Java 应用程序中的框架。统一的 API 接口。
LangChain4j 从入门到放弃，java可以使用的 LLM 大模型 AI 框架（2）LangChain4j 支持的 API 和消息类型
TangBoBoa的博客
12-06 1229
LanguageModels. 早期的简单 API，只接受 String 输入并返回 String 输出。此 API 已过时，未来将主要支持新的聊天 API（即 ChatLanguageModel）。 ChatLanguageModels 目前推荐使用的主要 API，支持更复杂的输入和输出。 接受单个或多个 ChatMessages 作为输入，并返回 AiMessage 作为输出。ChatMessage 通常包含文本，但某些 LLMs 还支持文本和Images 的混合。此类聊天模型的示例包括 OpenAI
LangChain4j系列—OpenAI开发实例
深圳市多克创新科技有限公司
10-21 982
字符串，而是将从给定的POJO创建JSON模式，并将其传递给LLM。如果返回类型是其他类型（如枚举或List<String>），则应用旧的行为（“You must answer strictly…在不久的将来，将支持所有返回类型。请注意，这将自动使所有工具参数都是必需的（在json模式中是必需的），并为json模式的每个对象设置additionalProperties=false。这将使用默认模型参数（例如gpt-3.5-turbo模型名称、0.7温度等）创建OpenAiChatModel的实例。
LangChain4j之初探
最新发布
weixin_47905944的博客
05-30 1190
LangChain4j简介与快速入门 LangChain4j是一个简化大语言模型(LLM)集成到Java应用的框架。它提供统一API支持15+主流LLM供应商和20+向量数据库，内置从提示模板到RAG的高级工具链。开发者无需重写代码即可切换不同LLM服务，项目融合了LangChain、LlamaIndex等社区创新。
LangChain开源大型语言模型（LLM）框架
11-09
LangChain是由Harrison Chase开发的一个框架，迎合了大型语言模型（LLM）的需求。在OpenAI的GPT-3取得巨大成功后，它的受欢迎程度激增，可以说，GPT-3.5和GPT-4更是如此。2022年10月底推出的LangChain利用了这些进展，提供了一个专门用于创建依赖LLM的生产级应用程序的平台，而不仅仅是实验性的。 LangChain的关键理念是将不同的部件连接或 "链条 "在一起，形成复杂的应用。这些链子可以使用许多模块的碎片，如各种提示的模板（如聊天回复、ELI5等）、与不同LLM模型的连接（如GPT-3、BLOOM等）、代理（使用LLM来决定做什么--我们今天晚些时候将讨论gpt-engineer项目在这个类别中的情况）以及记忆（短期和长期）。所有这些都是以标准应用框架的形式提供的。 langchain4j/langchain4j则是langchain的一个Java封装器--一个类固醇。整个项目已经在引导用户，并专注于清楚地展示使用的可能性（在项目中你会发现一个带有例子的目录），并且创造者宣布进一步的发展。
LangChain4j实战
Box_clf的博客
06-09 2165
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 3985
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。
LangChain4j
AI工程化、开源分享、文档翻译、代码笔记
04-23 4251
关于 LangChain4j 特性 2 levels of abstraction Library Structure Tutorials (User Guide) Integrations and Models 免责声明 Highlights 定义由LLM提供支持的声明性 `AI Services`： 使用 LLM 分类 从非结构数据中提取结构化信息 Getting started 兼容性 支持的 LLM 集成
LangChain4j 示例项目教程
gitblog_00080的博客
08-08 563
LangChain4j 示例项目教程 项目地址:https://gitcode.com/gh_mirrors/la/langchain4j-examples 1. 项目目录结构及介绍 在 LangChain4j 示例项目中，您会发现以下主要目录结构： 1.1 src/main/java/com/langchain4j/examples 这个目录包含了各个示例应用的Java源代码。每个子目录代表一个...
（三）LangChain4j模型分类和使用
qq_36955155的博客
04-17 2020
该模型的API比较简单，接受字符串作为输入并返回字符串作为输出，这种模型已经被ChatLanguageModel取代，所以LangChain4j中也不在扩展对LanguageModel的支持，在此处也不过多描述。
Langchain4j框架-Java程序员的大模型框架
weixin_43410352的博客
02-19 3330
LangChain4j 可以理解是Java版本的LangChain，是一个旨在简化将大型语言模型（LLM）集成到 Java 应用程序中的框架。它帮我们封装了不同LLM 提供商（如 OpenAI、Google Vertex AI）的专有API方便在不同 LLM 或嵌入式存储之间切换，而无需重写代码。该项目于 2023 年初启动，旨在填补 Java 生态系统中缺乏 LLM 库和框架的空白。
LangChain4j 框架探索
weixin_40815218的博客
01-04 1494
Langchain for java 的框架探索中，Langchain 的结构化特性 将 AI 的灵活开放特性 和 Java 开发友好的面向对象特性 结合起来，这点引起极大舒适；从和 python 版本的对比看来，Langchain4j 在实现时加入了自己的思考，并不是照抄照搬，值得肯定；在具体的开发实践中，我从最初接触时的 0.32 过渡到了 最新的 0.36 版本，能感受到框架实现是越来越成熟的，对各类模型的集成和更新也是能跟上最新技术变革和变动的；
quarkus-langchain4j
03-12
### Quarkus与LangChain4j集成及使用案例 Quarkus 是一种专为 Java 开发者设计的 Kubernetes 原生框架，能够优化基于 JVM 的应用性能并支持云原生开发环境。而 LangChain4j 则是用于简化大型语言模型 (LLM) 和 Java 应用程序之间集成的一个框架[^2]。 对于希望将这两项技术结合起来使用的开发者来说，可以考虑以下几个方面： #### 配置依赖关系 为了使 Quarkus 项目能顺利引入 LangChain4j 功能，在 `pom.xml` 文件中添加相应的 Maven 依赖项是非常重要的一步。这通常涉及到指定版本号以及任何必要的仓库地址来获取最新的库文件。 ```xml <dependency> <groupId>com.langchain4j</groupId> <artifactId>langchain4j-core</artifactId> <version>${langchain4j.version}</version> </dependency> ``` #### 初始化ChatLanguageModel实例 鉴于未来的新特性会围绕 ChatLanguageModel API 展开工作而不是传统的 LanguageModel 接口[^3]，因此建议创建一个专门的服务类或者配置类来进行初始化操作，并通过 CDI 或其他方式将其注入到业务逻辑层当中去。 ```java import com.langchain4j.chat.ChatLanguageModel; import jakarta.enterprise.context.ApplicationScoped; @ApplicationScoped public class LLMService { private final ChatLanguageModel chatModel; public LLMService() { this.chatModel = new ChatLanguageModel.Builder() .setApiKey(System.getenv("API_KEY")) .build(); } // 提供对外访问的方法... } ``` #### 构建RESTful接口 利用 Quarkus 自带的强大 RESTEasy 支持，很容易就可以构建起一套完整的 HTTP 请求处理机制。这样不仅可以让前端更容易地调用后端服务，同时也方便后续扩展更多功能模块。 ```java import org.eclipse.microprofile.rest.client.inject.RestClient; import javax.ws.rs.GET; import javax.ws.rs.Path; import javax.ws.rs.Produces; import javax.ws.rs.core.MediaType; @Path("/api/llm") @Produces(MediaType.APPLICATION_JSON) public class LLMApiResource { @Inject LLMService llmService; @GET @Path("/query/{text}") public String query(@PathParam("text") String text){ return llmService.query(text); } } ``` 上述代码片段展示了如何在一个典型的 Quarkus 应用程序里实现与 LangChain4j 的基本交互模式。当然实际应用场景可能会更加复杂多变，具体实现细节还需要根据项目的特殊需求做适当调整。
评论
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

打赏作者

房栩曙Evelyn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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