AI大模型实用(三)Java快速实现智能体整理(Springboot+LangChain4j)
目录
问题1： ClassNotFoundException: dev.langchain4j.exception.IllegalConfigurationException
问题3 ：dev.langchain4j.exception.IllegalConfigurationException
1.1 简介
一个基于 Java 的库，旨在简化自然语言处理（NLP）和大型语言模型（LLM）的集成；
提供了大量现成的组件（文档加载器、工具、链），用于构建AI应用，是目前Java生态中最接近Python LangChain成熟度的选择。
1.2 示例
步骤一： 添加pom
<!-- https://mvnrepository.com/artifact/dev.langchain4j/langchain4j --> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j</artifactId> <version>1.9.1</version> </dependency> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-core</artifactId> <version>1.9.1</version> </dependency> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-open-ai-spring-boot-starter</artifactId> <version>1.9.1-beta17</version> </dependency> <!-- 导入响应式编程依赖包--> <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-reactor</artifactId> <version>1.9.1-beta17</version> </dependency>步骤二：配置
langchain4j.open-ai.chat-model.api-key=你的deepseekkey langchain4j.open-ai.chat-model.model-name=deepseek-chat langchain4j.open-ai.chat-model.base-url=https://api.deepseek.com langchain4j.open-ai.chat-model.log-requests=true langchain4j.open-ai.chat-model.log-responses=true
如果没有key:
langchain4j.open-ai.chat-model.api-key=demo
langchain4j.open-ai.chat-model.model-name=gpt-4o-mini
langchain4j.open-ai.chat-model.base-url=http://langchain4j.dev/demo/openai/v1
步骤三：流式输出
package com.ai.LangChain4j; import dev.langchain4j.model.chat.StreamingChatModel; import dev.langchain4j.model.openai.OpenAiStreamingChatModel; import org.springframework.beans.factory.annotation.Value; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import java.util.HashMap; import java.util.Map; //创建流式聊天模型配置 @Configuration public class Langchain4jStreamingChatModelConfig { @Value("${langchain4j.open-ai.chat-model.api-key}") private String apiKey; @Value("${langchain4j.open-ai.chat-model.base-url}") private String baseUrl; @Value("${langchain4j.open-ai.chat-model.model-name}") private String modelName; @Value("${langchain4j.open-ai.chat-model.log-requests}") private Boolean logRequests; @Value("${langchain4j.open-ai.chat-model.log-responses}") private Boolean logResponses; @Bean("langchain4jStreamingChatModel") public StreamingChatModel streamingChatModel() { Map<String,String> map = new HashMap<>(); map.put("Content-Type","application/json"); map.put("charset","utf-8"); return OpenAiStreamingChatModel.builder() .baseUrl(baseUrl) .apiKey(apiKey) .modelName(modelName) //使用的模型名称 .temperature(0.7) // 控制回答的随机性（0-1，越高越随机） .maxTokens(1000) // 单次回答的最大token数 .logRequests(logRequests) // 记录请求日志 .logResponses(logResponses) // 记录响应日志 .returnThinking(true) // 是否返回AI的思考过程 // .customHeaders(map) .build(); } } @Resource(name = "langchain4jStreamingChatModel") private OpenAiStreamingChatModel streamingChatModel; @RequestMapping(value = "/chatstream") public Flux<String> chatstream(@RequestParam("message") String prompt) { return Flux.create(emitter -> { streamingChatModel.chat(prompt, new StreamingChatResponseHandler() { @Override public void onPartialResponse(String partialResponse) { emitter.next(partialResponse); } @Override public void onCompleteResponse(ChatResponse chatResponse) { emitter.complete(); } @Override public void onError(Throwable throwable) { emitter.error(throwable); } }); }); } 参考：https://www.cnblogs.com/timothy020/p/19043509
步骤四： 正常输出
@Autowired private OpenAiChatModel model; @RequestMapping("/chat") public String chat(String message) { return model.chat(message); }步骤五： 【类似函数调用】AI Service接口
package com.ai.LangChain4j; import dev.langchain4j.service.SystemMessage; import dev.langchain4j.service.spring.AiService; import dev.langchain4j.service.UserMessage; /** * AI Service接口 :可把它看作标准 Spring Boot的 @Service，但带有 AI 功能。 * * 当应用程序启动时，LangChain4j 启动器将扫描类路径并找到所有带有 @AiService 注解的接口。对于每个找到的 AI 服务，它将使用应用程序上下文中的所有 LangChain4j 组件创建此接口的实现，并将其注册为一个 bean * * 最大限度的调用函数工具:@UserMessage 我们通过提示词，让大模型尽量考虑调用我们的函数工具 */ @AiService interface Assistant { @UserMessage("针对提出的问题：{{it}}，请尽量调用已有的函数工具") @SystemMessage("You are a polite assistant") String chat(String userMessage); } package com.ai.LangChain4j; import dev.langchain4j.agent.tool.Tool; /** 定义工具类（类似函数调用） * @Tool用于对函数进行功能描述 * 描述的越清楚，大模型越容易考虑是否需要使用函数工具 *工具可以是任何东西：网页搜索、外部API调用、或执行一段特定代码等 * * */ public class CalculatorTool { @Tool("计算字符串的长度") int stringLength(String s) { System.out.println("Called stringLength with + s + "'"); return s.length(); } @Tool("计算两个整数的和") int add(int a, int b) { System.out.println("Called add with a=" + a + ", b=" + b); return a + b; } @Tool("计算整数的平方根") double sqrt(int x) { System.out.println("Called sqrt with x=" + x); return Math.sqrt(x); } } @Autowired private ChatModel chatModel; @Autowired Assistant assistant; @GetMapping("/assistantchat") public String assistantchat(String message) { assistant = AiServices.builder(Assistant.class) .chatModel(chatModel) .tools(new CalculatorTool()) .build(); return assistant.chat(message); }注： 运行时有日志
@RequestMapping("/chat") public String chat(String message) { return model.chat(message); }运行结果：
@GetMapping("/assistantchat") public String assistantchat(String message) { assistant = AiServices.builder(Assistant.class) .chatModel(chatModel) .tools(new CalculatorTool()) .build(); return assistant.chat(message); }运行结果：
参考：
https://blog.ZEEKLOG.net/matrixlzp/article/details/150610135
https://blog.ZEEKLOG.net/m0_71741473/article/details/148379520
https://cloud.tencent.com/developer/article/2512470
1.3 调试问题
问题1： ClassNotFoundException: dev.langchain4j.exception.IllegalConfigurationException
解决： 检查
application.properties的配置
langchain4j.open-ai.chat-model.api-key=demo langchain4j.open-ai.chat-model.model-name=gpt-4o-mini langchain4j.open-ai.chat-model.base-url=http://langchain4j.dev/demo/openai/v1
注： 如果你暂时没有密钥，也可以使用 LangChain4j 提供的演示密钥(同上)，这个密钥是免费的，有使用配额限制，且仅限于 gpt-4o-mini 模型
注： 如果已经有密钥，直接替换即可。
问题2： overriding is disabled
The bean 'openAiChatModel', defined in class path resource [org/springframework/ai/autoconfigure/openai/OpenAiAutoConfiguration.class], could not be registered. A bean with that name has already been defined in class path resource [dev/langchain4j/openai/spring/AutoConfig.class] and overriding is disabled.
解决：
去掉langchain4j的openapi相关的依赖或者去掉SpringAI的openapi相关的依赖
<!-- <!– LangChain4j OpenAI 支持（用于兼容 OpenAI 接口的模型，如 GPT 或阿里云百炼） –>--> <!-- <dependency>--> <!-- <groupId>dev.langchain4j</groupId>--> <!-- <artifactId>langchain4j-open-ai</artifactId>--> <!-- <version>1.9.1</version>--> <!-- </dependency>--><!-- <dependency>--> <!-- <groupId>dev.langchain4j</groupId>--> <!-- <artifactId>langchain4j-open-ai-spring-boot-starter</artifactId>--> <!-- <version>1.9.1-beta17</version>--> <!-- </dependency>-->
问题3 ：dev.langchain4j.exception.IllegalConfigurationException
解决： 该问题是langchain4j-spring-boot-starter版本兼容问题。 可以对应修改和langchain4j生态兼容的版本。例如 <dependency> <groupId>dev.langchain4j</groupId> <artifactId>langchain4j-spring-boot-starter</artifactId> <version>1.9.1-beta17</version> </dependency>
1.4 langchain4j与springAI对比
核心功能对比
- 设计理念与定位：
- Spring AI 由 Spring 官方团队维护，核心目标是简化 AI 模型集成，提供统一 API 调用（如 OpenAI、Azure OpenAI），降低开发门槛，尤其适合已使用 Spring 生态的项目。
- LangChain4j 是 LangChain 的 Java 实现，专注于模块化设计，支持智能 Agent、链式调用、记忆管理等高级功能，灵活性更高，但需要开发者手动组装组件。
- 高级功能支持：
- 多步骤推理与 Agent 管理：LangChain4j 内置 Agent 框架，支持复杂工作流编排（如动态工具调用、多条件决策），而 Spring AI 需开发者自行实现逻辑。
- 记忆与上下文管理：LangChain4j 提供多样化记忆存储方案（如会话记忆、长期记忆），Spring AI 需手动管理对话状态。
- 工具集成：LangChain4j 支持直接定义和调用外部工具（如天气查询、计算器），Spring AI 需额外处理函数调用。
- RAG（检索增强生成）支持：LangChain4j 提供文本加载、解析、分割等完整工具链，Spring AI 的 RAG 功能相对基础
注意：
可以与 Spring Boot 等整合（langchain4j-spring 模块），但核心是一个纯 Java 库，需要手工 wiring 多数部分。
- 使用 Spring AI 的典型用途：
- 在已有 Spring Boot 微服务中嵌入 Chat 或 文本生成功能，例如客服机器人、内部文档助手。
- 快速开发 embedding 搜索 + AI 文本摘要 + 图像生成业务。
- 利用 Spring 的现有安全配置 /配置中心 /监控系统，保持统一架构。
- 使用 LangChain4j 的典型用途：
- 构建需要 Agent 调度、工具调用、Memory 管理的智能体。例如“用户输入 → 检索数据库 → 调用外部 API → 合成响应 → 写入日志”这种多步骤流程。
- 构建自定义 RAG 服务：可插入自定义向量数据库、检索策略、重排序逻辑等。
- 希望在 Java 应用中迁移或复制 LangChain Python 的工作流逻辑。
参考：
