介绍如何在本地搭建简易 AI 问答系统，采用 Java 作为核心交互与逻辑层，Python 负责 AI 模型调用。系统基于 ChatGLM-6B-int4 等轻量化模型，通过 Java ProcessBuilder 调用 Python 脚本实现通信。文章涵盖环境配置、代码实现、目录结构及常见问题排查，并提供性能优化与扩展方向建议，适合希望结合 Java 生态与 Python AI 能力的开发者参考。
系统分为三层，职责清晰：
| 模块 | 技术/工具 | 说明 |
|---|---|---|
| Java 核心 | JDK 11+、Maven | 基础运行环境、依赖管理 |
| Python AI | Python 3.9+、Transformers、PyTorch | 加载轻量化 LLM、处理问答 |
| 进程通信 | Java ProcessBuilder | Java 调用 Python 脚本 |
| 轻量化模型 | ChatGLM-6B-int4（推荐） | 本地运行，资源占用低 |
JAVA_HOME，验证：java -version 能显示版本即可。安装依赖包：
pip install torch transformers accelerate sentencepiece protobuf # 若用 ChatGLM，额外安装： pip install modelscope
推荐使用ChatGLM-6B-int4（适合 8G 以上内存的本地环境）：
./models/chatglm-6b-int4）。编写 Python 脚本 ai_answer.py，负责加载模型并处理问答请求，接收 Java 传递的问题，返回回答。
import sys
from transformers import AutoTokenizer, AutoModel
# 加载 ChatGLM-6B-int4 模型（根据实际路径调整）
model_path = "./models/chatglm-6b-int4"
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model = AutoModel.from_pretrained(model_path, trust_remote_code=True).half().cuda()
# CPU 运行（无显卡）：注释上一行，取消下一行注释
# model = AutoModel.from_pretrained(model_path, trust_remote_code=True).float()
model = model.eval()
def get_answer(question):
"""接收问题，返回 AI 回答"""
try:
response, _ = model.chat(tokenizer, question, history=[])
return response
except Exception as e:
return f"回答生成失败：{str(e)}"
if __name__ == "__main__":
# 接收 Java 传递的参数（问题）
if len(sys.argv) > 1:
question = sys.argv[1]
answer = get_answer(question)
# 输出回答（供 Java 读取）
print(answer)
else:
print("未接收到问题参数")
无需额外依赖，核心用 ProcessBuilder 调用 Python 脚本，实现用户交互。
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.Scanner;
public class AIQASystem {
// Python 脚本路径（根据实际路径调整）
private static final String PYTHON_SCRIPT_PATH = "./ai_answer.py";
// Python 解释器路径（若已配置环境变量，直接写"python"即可）
private static final String PYTHON_EXECUTABLE = "python";
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
System.out.println("===== 本地 AI 问答系统 =====");
System.out.println("输入问题（输入'exit'退出）：");
while (true) {
System.out.print("> ");
String question = scanner.nextLine().trim();
// 退出逻辑
if ("exit".equalsIgnoreCase(question)) {
System.out.println("系统退出中...");
break;
}
// 空问题校验
if (question.isEmpty()) {
System.out.println("请输入有效问题！");
continue;
}
// 调用 Python 获取回答
String answer = callPythonAI(question);
// 展示回答
System.out.println("AI 回答：\n" + answer + "\n");
}
scanner.close();
}
/**
* 调用 Python 脚本，获取 AI 回答
* @param question 用户输入的问题
* @return AI 生成的回答
*/
private static String callPythonAI(String question) {
ProcessBuilder processBuilder = new ProcessBuilder(PYTHON_EXECUTABLE, PYTHON_SCRIPT_PATH, question);
// 合并错误流（便于调试 Python 报错）
processBuilder.redirectErrorStream(true);
StringBuilder answer = new StringBuilder();
try {
Process process = processBuilder.start();
// 读取 Python 脚本的输出
BufferedReader reader = new BufferedReader(new InputStreamReader(process.getInputStream()));
String line;
while ((line = reader.readLine()) != null) {
answer.append(line);
}
// 等待进程结束
int exitCode = process.waitFor();
if (exitCode != 0) {
answer = new StringBuilder("AI 服务调用失败，退出码：" + exitCode + "，错误信息：" + answer);
}
} catch (IOException | InterruptedException e) {
answer = new StringBuilder("调用 Python 脚本异常：" + e.getMessage());
}
return answer.toString();
}
}
ProcessBuilder：用于启动 Python 进程，传递用户问题作为参数；redirectErrorStream(true)：将 Python 的错误输出合并到标准输出，便于调试；callPythonAI：封装调用逻辑，返回 AI 回答（含异常处理）；exit 退出系统。确保文件路径正确，推荐结构：
ai-qa-system/
├── ai_answer.py # Python AI 脚本
├── models/
│ └── chatglm-6b-int4 # 下载的轻量化模型
└── src/
└── main/
└── java/
└── AIQASystem.java # Java 主类
编译并运行 Java 代码（IDEA/Eclipse 直接运行 AIQASystem 类，或用命令行）：
# 编译
javac AIQASystem.java
# 运行
java AIQASystem
先确认 Python 脚本能独立运行：
python ai_answer.py "什么是 Java？"
若能输出回答，说明 Python 端正常；
PYTHON_SCRIPT_PATH 是否为绝对路径；PYTHON_EXECUTABLE 为绝对路径（如 C:\Python39\python.exe）；本系统通过 Java 实现核心交互与逻辑控制，Python 负责 AI 模型的调用，兼顾了 Java 的易用性和 Python 在 AI 领域的生态优势，是本地搭建轻量化 AI 问答系统的极简方案。你可以基于此框架，根据自身需求扩展功能，比如对接本地数据、优化交互体验，或替换更适配的 AI 模型。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
查找任何按下的键的javascript键代码、代码、位置和修饰符。 在线工具，Keycode 信息在线工具，online
JavaScript 字符串转义/反转义；Java 风格 \uXXXX（Native2Ascii）编码与解码。 在线工具，Escape 与 Native 编解码在线工具，online
使用 Prettier 在浏览器内格式化 JavaScript 或 HTML 片段。 在线工具，JavaScript / HTML 格式化在线工具，online
Terser 压缩、变量名混淆，或 javascript-obfuscator 高强度混淆（体积会增大）。 在线工具，JavaScript 压缩与混淆在线工具，online
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online