LangChain4j Java AI 开发：快速入门与 Hello World

第一个 Hello World 示例

示例 1: 最简单的对话

这是最基础的示例，直接使用 ChatModel 发送消息并获取响应。

代码示例（参考：tutorials/src/main/java/_00_HelloWorld.java）

package dev.langchain4j.example;

import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import static dev.langchain4j.model.openai.OpenAiChatModelName.GPT_4_O_MINI;

public class HelloWorldExample {
    public static void main(String[] args) {
        // 1. 创建 ChatLanguageModel 实例
        ChatLanguageModel model = OpenAiChatModel.builder()
                .apiKey(System.getenv("OPENAI_API_KEY")) // 从环境变量获取 API Key
                .modelName(GPT_4_O_MINI) // 指定模型
                .build();

        // 2. 发送消息并获取响应
        String answer = model.generate("Say 'Hello World'");

        // 3. 输出结果
        System.out.println(answer); // 输出：Hello World
    }
}

运行方式：

# 设置环境变量
export OPENAI_API_KEY="your-api-key-here"

# 编译并运行
cd tutorials
mvn compile
mvn exec:java -Dexec.mainClass="dev.langchain4j.example.HelloWorldExample"

关键概念解析

1. ChatLanguageModel: 这是 LangChain4j 中的核心接口，代表一个聊天语言模型
2. Builder 模式: 使用 .builder() 创建模型实例，提供灵活的配置选项
3. API Key 管理: 从环境变量读取 API Key，避免硬编码敏感信息
4. 模型名称: GPT_4_O_MINI 是一个预定义常量，代表 gpt-4o-mini 模型

示例 2: 使用 AI Service 接口

LangChain4j 提供了更优雅的 AI Service 模式，通过定义接口来与 LLM 交互。

代码示例（参考：tutorials/src/main/java/_08_AIServiceExamples.java）

package dev.langchain4j.example;

import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import static dev.langchain4j.model.openai.OpenAiChatModelName.GPT_4_O_MINI;

public class AiServiceHelloWorldExample {
    // 1. 定义 AI Service 接口
    interface Assistant {
        String chat(String message);
    }

    public static void main(String[] args) {
        // 2. 创建 ChatModel
        ChatLanguageModel model = OpenAiChatModel.builder()
                .apiKey(System.getenv("OPENAI_API_KEY"))
                .modelName(GPT_4_O_MINI)
                .build();

        // 3. 使用 AiServices 创建 Assistant 实例
        Assistant assistant = AiServices.create(Assistant.class, model);

        // 4. 像调用普通方法一样与 AI 对话
        String answer = assistant.chat("你好，世界！");
        System.out.println(answer);
    }
}

AI Service 的优势

1. 类型安全: 使用接口定义，编译时检查
2. 简洁优雅: 像调用普通方法一样使用 AI
3. 易于扩展: 后续可以轻松添加系统提示、工具、记忆等功能

示例 3: 添加系统提示

通过 @SystemMessage 注解，你可以为 AI 设置角色和行为规范。

代码示例

package dev.langchain4j.example;

import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.service.AiServices;
import dev.langchain4j.service.SystemMessage;
import static dev.langchain4j.model.openai.OpenAiChatModelName.GPT_4_O_MINI;

public class SystemMessageExample {
    // 定义一个专业厨师 AI
    interface Chef {
        @SystemMessage("你是一位专业的中餐厨师，拥有 20 年烹饪经验。请用专业且友好的语气回答问题。")
        String answer(String question);
    }

    public static void main(String[] args) {
        ChatLanguageModel model = OpenAiChatModel.builder()
                .apiKey(System.getenv("OPENAI_API_KEY"))
                .modelName(GPT_4_O_MINI)
                .build();
        Chef chef = AiServices.create(Chef.class, model);
        String answer = chef.answer("如何做红烧肉？");
        System.out.println(answer);
    }
}

示例 4: 使用其他 LLM 提供商

LangChain4j 支持多种 LLM 提供商，切换非常简单。

使用 Anthropic Claude

import dev.langchain4j.model.anthropic.AnthropicChatModel;

ChatLanguageModel model = AnthropicChatModel.builder()
        .apiKey(System.getenv("ANTHROPIC_API_KEY"))
        .modelName("claude-3-5-sonnet-20241022")
        .build();

使用本地 Ollama

import dev.langchain4j.model.ollama.OllamaChatModel;

ChatLanguageModel model = OllamaChatModel.builder()
        .baseUrl("http://localhost:11434")
        .modelName("llama3.2")
        .build();

使用 Azure OpenAI

import dev.langchain4j.model.azure.AzureOpenAiChatModel;

ChatLanguageModel model = AzureOpenAiChatModel.builder()
        .apiKey(System.getenv("AZURE_OPENAI_KEY"))
        .endpoint(System.getenv("AZURE_OPENAI_ENDPOINT"))
        .deploymentName("gpt-4o-mini")
        .build();

API Key 管理最佳实践

在实际项目中，建议创建一个 ApiKeys 工具类：

package dev.langchain4j.example;

public class ApiKeys {
    public static String OPENAI_API_KEY = getApiKey("OPENAI_API_KEY");

    private static String getApiKey(String envVarName) {
        String apiKey = System.getenv(envVarName);
        if (apiKey == null || apiKey.isEmpty()) {
            throw new IllegalStateException("请设置环境变量：" + envVarName);
        }
        return apiKey;
    }
}

使用方式：

ChatLanguageModel model = OpenAiChatModel.builder()
        .apiKey(ApiKeys.OPENAI_API_KEY)
        .modelName(GPT_4_O_MINI)
        .build();

运行示例项目

# 克隆示例仓库
git clone https://github.com/langchain4j/langchain4j-examples.git
cd langchain4j-examples

# 编译所有模块
mvn -B -U -T8C compile

# 运行 Hello World 示例
cd tutorials
export OPENAI_API_KEY="your-key-here"
mvn exec:java -Dexec.mainClass="_00_HelloWorld"

常见问题

Q1: 如何处理 API Key 安全问题？

A:

• 使用环境变量存储 API Key
• 不要将 API Key 提交到版本控制系统
• 在生产环境使用密钥管理服务（如 AWS Secrets Manager、Azure Key Vault）

Q2: 支持哪些 LLM 提供商？

A: LangChain4j 支持 15+ 提供商，包括：

• OpenAI（GPT-4, GPT-3.5）
• Anthropic（Claude）
• Google（Gemini）
• Azure OpenAI
• AWS Bedrock
• Ollama（本地模型）
• Mistral AI
• Hugging Face
• 等等…

Q3: 如何选择模型？

A: 建议：

• 开发/测试: 使用 gpt-4o-mini（成本低、速度快）
• 生产环境: 使用 gpt-4o 或 gpt-4-turbo（质量高）
• 本地开发: 使用 Ollama + llama3.2（完全免费）

下一步学习

• 02-模型参数配置与调优 - 学习如何配置温度、超时、日志等
• 03-提示词与模板 - 掌握提示词工程技巧
• 04-AI 服务核心模式 - 深入理解 AI Services 模式

参考资料

• 官方文档：https://docs.langchain4j.dev/
• 示例代码：tutorials/src/main/java/_00_HelloWorld.java
• GitHub：https://github.com/langchain4j/langchain4j