前言

在上一篇文章中，我們見證了@AiService注解的驚人威力。僅僅通過定義一個Java接口，我們就實現了一個功能完備的AI聊天服務。這感覺就像魔法一樣！

但作為專業的工程師，我們知道“任何足夠先進的技術，都與魔法無異”。今天，我們的任務就是揭開這層魔法的面紗，深入理解其背后支撐我們與AI進行高質量對話的三大支柱：

1. 語言模型 (Models)：AI的“大腦”，我們如何理解并與它交互。
2. 提示模板 (Prompt Templates)：控制我們對AI“說什么”的藝術，實現動態、可復用的指令。
3. 輸出解析器 (Output Parsers)：馴服AI的“輸出”，讓它返回我們需要的Java對象，而不僅僅是文本。

掌握了這三者，你將從一個簡單的AI“調用者”，蛻變為一個能精確控制AI行為的“指揮家”。

第一部分：再探模型 (Models) - AI的“大腦”

在application.properties中，我們配置了langchain4j.open-ai.chat-model.*等屬性，并通過LangChain4jConfig創建了一個ChatLanguageModel類型的Bean。

ChatLanguageModel是LangChain4j中的一個核心接口，它代表了所有聊天式AI模型（如GPT-3.5/4, DeepSeek-Chat）的統一抽象。你可以把它想象成Java JDBC規范中的DataSource接口，它為所有不同廠商的數據庫提供了統一的訪問標準。

我們配置的OpenAiChatModel是這個接口的一個具體實現。如果我們想換成Google的Gemini模型，只需引入langchain4j-google-vertex-ai依賴，并創建一個VertexAiChatModel的Bean即可，而我們上層的業務代碼（如Assistant接口）幾乎無需改動。這就是面向接口編程的威力。

核心概念：

• ChatLanguageModel: 用于一次請求-響應的交互。
• StreamingChatLanguageModel: ChatLanguageModel的子接口，用于流式響應。AI的回答會一個詞一個詞地“流”回來，能極大地提升用戶體驗，我們將在后續文章中探討它。

第二部分：提示模板 (Prompt Templates) - 控制AI的“輸入”

在上一篇中，我們使用了簡單的assistant.chat(userMessage)。LangChain4j只是將userMessage作為用戶提問直接發給了AI。但如果我們想讓AI扮演特定角色，或者根據多個動態參數來提問呢？這時就需要提示模板。

在LangChain4j中，我們可以通過@UserMessage注解和{{...}}占位符來創建強大的提示模板。

實戰：創建一個食譜生成器

讓我們來改造Assistant接口，讓它能根據菜系和原料生成食譜。

1. 修改Assistant接口

   package com.example.aidemoapp.service;import dev.langchain4j.service.SystemMessage;
   import dev.langchain4j.service.UserMessage;
   import dev.langchain4j.service.spring.AiService;@AiService
   public interface Assistant {@SystemMessage("You are a polite assistant")String chat(String userMessage);// 新增一個使用模板的方法@UserMessage("""請創建一個 {{dish_type}} 菜肴的食譜。 主要食材是：{{ingredients}}。 請提供包含標題、簡要描述、所需食材列表以及逐步操作說明的完整食譜。""")String createRecipe(@V("dish_type") String dish_type, @V("ingredients") String ingredients);
   }
   

   代碼解析：

   • 我們在@UserMessage注解中使用了Java 15的文本塊（三引號），方便編寫多行提示。
   • {{dish_type}}和{{ingredients}}是占位符。
   • LangChain4j會自動將createRecipe方法的dish_type參數值填充到{{dish_type}}占位符中，ingredients參數同理。

2. 在ChatController中調用新方法

   package com.example.aidemoapp.controller;// ... imports ...@RestController
   @RequestMapping("/api/v2/chat")
   @RequiredArgsConstructor
   public class ChatController {private final Assistant assistant;@GetMappingpublic String chat(@RequestParam("message") String message) {return assistant.chat(message);}@GetMapping("/recipe")public String recipe(@RequestParam String dishType, @RequestParam String ingredients) {return assistant.createRecipe(dishType, ingredients);}
   }
   

現在，當你請求GET /api/v2/chat/recipe?dishType=Sichuan&ingredients=tofu,garlic,chili時，LangChain4j會向AI發送一個被完整填充的、結構化的Prompt，從而得到一個高質量的食譜。

第三部分：輸出解析器 (Output Parsers) - 控制AI的“輸出”

上面的食譜生成器返回的是一個長字符串。在真實應用中，我們更希望得到一個結構化的Java對象（POJO），以便于在前端展示或進行后續處理。

LangChain4j的AiServices能做到這一點！只要你將方法的返回類型從String改為一個自定義的Java類，LangChain4j就會自動指示AI以JSON格式輸出，并自動將JSON反序列化為你的Java對象。這就是輸出解析器的魔力！

實戰：將食譜輸出為Java對象

1. 創建Recipe POJO
   在com.example.aidemoapp下創建dto包，并新建Recipe.java類。

   package com.example.aidemoapp.dto;import lombok.Data;
   import java.util.List;@Data // Lombok注解，自動生成getter, setter, toString等
   public class Recipe {private String title;private String description;private List<String> ingredients;private List<String> instructions;
   }
   

2. 再次修改Assistant接口
   我們將createRecipe方法的返回類型改為Recipe。

   // ... imports ...
   import com.example.aidemoapp.dto.Recipe; // 引入Recipe類@AiService
   public interface Assistant {@SystemMessage("You are a polite assistant")String chat(String userMessage);// 新增一個使用模板的方法@UserMessage("""請創建一個 {{dish_type}} 菜肴的食譜。 主要食材是：{{ingredients}}。 請提供包含標題、簡要描述、所需食材列表以及逐步操作說明的完整食譜。""")Recipe createRecipe(@V("dish_type") String dish_type, @V("ingredients") String ingredients);
   }
   

   提示詞增強：我們明確在提示中要求AI以JSON格式返回，并描述了JSON的結構。雖然LangChain4j在很多情況下會自動處理，但明確地指示AI可以極大地提高成功率和穩定性。

3. 修改ChatController

   // ... imports ...
   import com.example.aidemoapp.dto.Recipe;// ...
   public class ChatController {// ... chat和recipe方法 ...@GetMapping("/recipe-object")public Recipe recipeObject(@RequestParam String dishType, @RequestParam String ingredients) {return assistant.createRecipeAsObject(dishType, ingredients);}
   }
   

   由于@RestController的存在，Spring Boot會自動將返回的Recipe對象序列化為JSON字符串，作為HTTP響應返回給前端。

現在，當你請求GET /api/v2/chat/recipe-object?dishType=Italian&ingredients=pasta,tomatoes,basil時，你將直接得到一個干凈的、結構化的JSON響應！

源碼獲取

本文中所有實戰代碼均已同步更新至Gitee倉庫，方便您下載、運行和學習。

源碼地址：https://gitee.com/chaocloud/springboot-langchain4j-demo

總結

今天，我們揭開了LangChain4j高效開發的神秘面紗。我們學習了：

• Models是連接AI大腦的統一接口。
• Prompt Templates (@UserMessage和{{...}}) 讓我們能精確地、動態地控制輸入。
• Output Parsers (通過改變返回類型) 讓我們能將AI的輸出從非結構化的文本，轉換為結構化的、可被程序直接利用的Java對象。

我們已經從簡單的“你問我答”進化到了可以與AI進行可預測、結構化交互的新階段。但這還不夠，我們的AI助手還是“金魚般的記憶”，每次對話都是一次全新的開始。如何讓它記住上下文，進行真正的多輪對話呢？

---

下一篇預告：
《Java大模型開發入門 (7/15)：讓AI擁有記憶 - 使用LangChain4j實現多輪對話》—— 我們將為我們的Assistant裝上“記憶芯片”，探索LangChain4j中的ChatMemory機制，打造一個能真正聯系上下文的智能聊天機器人！