LangChain 作為構建具備 LLM 能力應用的框架，雖在 Python 領域大放異彩，但 Java 開發者卻只能望洋興嘆。LangChain4j 正是為解決這一困境而誕生，它旨在借助 LLM 的強大效能，增強 Java 應用，簡化 LLM 功能在Java應用中的集成流程。
官網為LangChain4j | LangChain4j
一、獨具魅力的特點與優勢
- 兼容多元 LLM：LangChain4j 支持超過 15 種流行的 LLM，OpenAI、ZhiPu、Qianfan 等均在其列，可以依據項目的實際需求、成本考量，靈活切換適配的 LLM。
- Java 集成無縫對接：它實現了 LLM 與 Java 的雙向深度集成，二者之間可自如相互調用。
- 降低學習成本與靈活切換：通過提供如 AiServices 這般的高級 API 與 LLM 交互，開發者無需再為逐個鉆研每個 LLM 的復雜細節而頭疼，同時還能輕松在不同 LLM 間自由切換。
- 功能模式：當前LangChain4j 支持聊天對話、流式對話、文生圖這三種常見且實用的模式。
二、解析 LangChain4j 架構模塊
- Chains：Chains 負責定義輸入輸出的鏈式步驟，但官網推薦使用功能更為強勁的 AIService，所以在實際開發中，它的出場頻率相對較低。
- AI Services：作為封裝了與 LLM 交互功能的高級 API，AI Services 無疑是 LangChain4j 的核心樞紐。它以簡潔高效的方式，將復雜的 LLM 交互邏輯封裝起來，為開發者提供了便捷且強大的交互能力。
- Basics：Basics 模塊匯聚了 LLM 大模型、提示詞模板、歷史對話內存等基本組件，為構建基于 LLM 的 Java 應用奠定了基礎。
- RAG：RAG 模塊作為檢索增強組件，包含文檔加載器、文檔分割器、向量模型、向量存儲等，提升了應用在處理海量信息時的檢索與增強能力。
三、LangChain4j 類庫：
LangChain4j 采用精妙的模塊化設計，不同模塊各司其職，協同為開發者提供強大支持。
- langchain4j-core 模塊：作為核心抽象的定義者，ChatLanguageModel 和 EmbeddingStore 及其 API 均在此模塊中誕生。
- langchain4j 模塊：這里匯聚了眾多實用工具，如 ChatMemory、OutputParser，同時還包含像 AiServices 這樣的高級功能。
- langchain4j-{integration} 模塊：該模塊系列為各種 LLM 提供商及嵌入存儲與 LangChain4j 的集成搭建了橋梁，每個模塊都能獨立使用，開發者可按需引入，實現與特定 LLM 或嵌入存儲的無縫對接。
- langchain4j-spring-{integration}-spring-boot-starter 模塊：此模塊專為與 Spring boot 項目集成而設，意圖實現開箱即用的便捷體驗。從模塊劃分角度來看，相較于 Spring AI 清晰的Models 模塊、Embeddings模塊等劃分方式，langchain4j-spring 模塊的劃分稍顯混亂。
四、API 抽象層級
在 LangChain4j 的 API 抽象層面，分為 Low Level 和 High Level 兩種，為開發者提供了不同維度的開發選擇。
- Low Level：處于此級別，開發者能夠像擺弄樂高積木一樣，自由調用所有低級組件，如 ChatLanguageModel、UserMessage、AiMessage、EmbeddingStore 等 Embedding。這些組件構成了所謂的 “膠水代碼”，開發者可依據具體需求，以任意組合方式使用它們，實現高度定制化的功能開發。
- High Level：簡潔高效的 “一鍵快車”：在 High Level 層級，開發者可借助如 AiServices 這樣的高級 API 與 LLMs 進行交互。這一層級將所有復雜的底層邏輯與樣板代碼統統隱藏起來，開發者只需專注于業務邏輯的實現。
?
