SpringBoot整合LangChain4j实战指南！

在Spring Boot中整合LangChain4j操作AI大模型，可以通过以下步骤实现。这里以整合OpenAI的GPT模型为例：

1. 创建Spring Boot项目
   使用Spring Initializr创建项目，选择以下依赖：

Spring Web

Lombok（可选，简化代码）

2. 添加LangChain4j依赖
   在pom.xml中添加依赖（检查最新版本）：

langchain4j.openai.api-key=${OPENAI_API_KEY}
langchain4j.openai.model-name=gpt-3.5-turbo
langchain4j.openai.temperature=0.7
langchain4j.openai.timeout=60
或通过环境变量设置OPENAI_API_KEY。

4. 创建LangChain4j配置类
   @Configuration
   public class LangChain4jConfig {

   @Value(“${langchain4j.openai.api-key}”)
   private String apiKey;

   @Bean
   public OpenAiChatModel openAiChatModel() {
   return OpenAiChatModel.builder()
   .apiKey(apiKey)
   .modelName(“gpt-3.5-turbo”)
   .temperature(0.7)
   .timeout(Duration.ofSeconds(60))
   .build();
   }
   }

5. 定义AI服务接口
   使用@SystemMessage或@UserMessage注解定义功能：

import dev.langchain4j.service.SystemMessage;
import dev.langchain4j.service.UserMessage;
import dev.langchain4j.service.V;

public interface TranslationService {

@SystemMessage("你是一个专业翻译，将输入翻译成法语。")
String translateToFrench(@UserMessage String text);

}
6. 创建服务层并调用AI模型
使用AiServices创建接口实现：

@Service
public class TranslationServiceImpl {

private final TranslationService translationService;

public TranslationServiceImpl(OpenAiChatModel chatModel) {
    this.translationService = AiServices.create(TranslationService.class, chatModel);
}

public String translate(String text) {
    return translationService.translateToFrench(text);
}

}
7. 创建REST控制器
@RestController
@RequestMapping(“/api/ai”)
public class AIController {

private final TranslationServiceImpl translationService;

public AIController(TranslationServiceImpl translationService) {
    this.translationService = translationService;
}

@GetMapping("/translate")
public ResponseEntity<String> translateText(@RequestParam String text) {
    String translated = translationService.translate(text);
    return ResponseEntity.ok(translated);
}

}

8. 测试API
   启动应用后，通过curl或Postman测试：

curl http://localhost:8080/api/ai/translate?text=Hello,世界!
9. 高级功能示例
使用文档检索

// 1. 加载文档
Document document = FileSystemDocumentLoader.loadDocument(“path/to/file.txt”);

// 2. 创建Embedding模型和检索器
EmbeddingModel embeddingModel = new AllMiniLmL6V2EmbeddingModel();
EmbeddingStore embeddingStore = new InMemoryEmbeddingStore<>();

// 3. 分割文档并存储
DocumentSplitter splitter = new DocumentBySentenceSplitter();
List segments = splitter.split(document);
List embeddings = embeddingModel.embedAll(segments).content();
embeddingStore.addAll(embeddings, segments);

// 4. 创建检索链
RetrievalChain retriever = RetrievalChain.builder()
.embeddingModel(embeddingModel)
.embeddingStore(embeddingStore)
.build();

// 5. 使用检索结果增强AI回答
String answer = AiServices.builder(Assistant.class)
.chatLanguageModel(chatModel)
.retrievalChain(retriever)
.build()
.ask(“基于文档回答：问题内容”);
10. 处理异常
添加全局异常处理：

@RestControllerAdvice
public class GlobalExceptionHandler {

@ExceptionHandler(OpenAiHttpException.class)
public ResponseEntity<String> handleOpenAiError(OpenAiHttpException ex) {
    return ResponseEntity.status(ex.statusCode()).body(ex.getMessage());
}

}
注意事项
API成本控制：设置合理的maxTokens限制，避免长文本高费用。

超时设置：根据网络情况调整timeout。

本地模型：如需使用本地模型（如HuggingFace），替换OpenAiChatModel为LocalChatModel。

敏感信息：切勿将API密钥提交到代码仓库，使用环境变量或配置中心。

速率限制：处理OpenAI的速率限制错误（429），添加重试逻辑。