LangChain4j(Java 版 LangChain)速成教学

收到评论区的朋友邀请,我写一下这个教学,我本人是java转行,所以还是有java的基础,

不讲废话哦,直接开始,

一、LangChain4j 是什么?

  • Java 实现的 LangChain 框架
  • 让你用 Java 调大模型(如 OpenAI)、加记忆、连知识库、做 Agent
  • 核心思想:Model + Prompt + Chain = App

说白了也就那一套,前端还是tomcat之类的。

然后很多朋友还会问也没有类似fastapi的前端框架,

现在正常的话是几步走,首先假设我们有三年开发经验,(现在是面试吹牛时间)

那么第一步就是了解需求,第二步骤是技术选型,第三步是和产品或者其他伙伴讨论可行性,第四步就是问客户意见/或者给几个方案,第五步就是快速迭代开发,最后才是优化剩余的小部分(这个一听就知道你在公司做过实际开发而且具备自己的思考hh)

那么同样的,我们这里以实际案例作为来说,这里用langchian4j,肯定就是搞agent了,

首先不考虑工作流或者模型的部分,因为这里暂时讲纯代码,那么我们肯定就只能去找替代品了,

因为没有能实现这个或者比这个优秀的框架,所以暂时选择:Spring Boot + Springdoc OpenAPI/Javalin,

那么为什么选择这个,首先要考虑fastapi是什么,有什么特点,(我这里废话很多,但是全是有用的东西,我在教你怎么做事情)

其实反而是这个东西在中国的教育是最欠缺的。他的特点也就是速度快,生成文档,有个代码补全之类的乱七八糟的。

这里就不上代码了,你知道有这么个东西然后面试吹牛吹的过就可以了,Springdoc OpenAPI这个是比较全的生产级,

下面这个javalin是比较轻便的,你下来整着玩一下就行了,现在技术迭代确实很快,每天都有新鲜玩意,每天都像圣诞节。

好了接着讲上面这个langchain4J:这个其实就是传统java框架,

var model = OpenAiChatModel.builder()
6    .apiKey("sk-你的-key")
7    .modelName("gpt-4o") // 或 gpt-3.5-turbo
8    .build();
11String answer = model.generate("你好,你是谁?");
12System.out.println(answer);

这里我们可以看到生成一套流程,在maven下载库导入包之后,可以来一个模板化框架,中间上自己要用的模型就行了。

再往下也可以配上memory(记忆),RAG之类的,然后你可以封装成类,然后让agent调用这个ai类。

核心组件如下:

ChatLanguageModel 连大模型

AiServices 自动生成 AI 接口

ChatMemory 加对话记忆

EmbeddingStore + Retriever 实现 RAG(知识库问答)

基本上讲完了,这个没什么区别,可以说只是做了一个自适应的java版。

其实编程语言是通的,反而编程框架不重要,那么编程框架不重要,继而八股文不重要,

作为程序员你真正的核心竞争力是创造价值的能力,公司不管要什么你都可以做,你想要什么东西你都可以做,

这份能力与资本才是你最值得骄傲的东西,我做过量化程序,做过市商订单撮合,做过tg的跟单bot,做过x的实用插件,

做过个人博客网站,做过链条开发,也做过rag,金融agent,网安agent,还有各种乱七八糟的东西,这份好奇心支撑着我去探索,而正是这份探索有了

现在写博客教程的经历,所以说你应该去做的是思考,去做感兴趣的事情而不是每天背八股文背各种编程语言的效用,我个人而言反倒是觉得本末倒置了。

那么也是1300字了,拜拜了,还有什么想了解的都可以评论,我都会看,也会讲网安或者solidity之类的开发。

#产品每日一题##聊聊我眼中的AI#
大模型集合 文章被收录于专栏

这里全放大模型的,需要自取,后面可能没什么空搞这些了。

全部评论
点点关注,点点赞朋友吗,我的流量好少现在,
1 回复 分享
发布于 2025-12-08 09:55 山东
请问一下想走 agent 开发或者是 ai 应用开发是不是后端的那一套都要会呀
点赞 回复 分享
发布于 01-06 20:06 广东
太强了佬,支持!
点赞 回复 分享
发布于 2025-12-11 09:38 福建
兄弟们点赞点赞
点赞 回复 分享
发布于 2025-12-09 10:49 湖北
好好好 兄弟们点赞
点赞 回复 分享
发布于 2025-12-09 09:41 湖北
ai怎么转后端了,这些大家都会
点赞 回复 分享
发布于 2025-12-09 09:27 江西

相关推荐

简历困境:会写代码,却没有项目作为计算机专业的学生,我和许多同学一样:有编程基础(Python、Java 都学过)掌握主流框架(Django、Spring Boot、React)完成了所有课程设计(数据结构、算法、数据库)但当面对实习或求职时,简历总显得空洞无力。我的简历是这样的:项目经历:1. 学生管理系统(课程设计)2. 图书借阅系统(数据库作业)3. 计算器应用(Java 课程项目)每次面试,HR 都会问:"你做过完整的项目吗?"我的回答总是结结巴巴:"这个...算是做过吧,但就是课程作业..."HR 继续追问:"能演示一下吗?或者给个链接?"我:"呃...那个代码在本地,没有部署..."面试到这里,基本就凉了。转机:一个周末的 AI 实战直到我参加了一个周末实战 AI 培训班,彻底改变了我的视角。这个培训班的核心理念不是"学多少知识",而是**"做成一个真实可用的产品"**。时间安排:周五晚(19:00-22:00) - 快速启动AI 工具链介绍(LangChain、向量数据库、API 调用)产品设计思路(从需求到功能拆解)技术栈选型(前后端分离 vs 全栈方案)周六全天(09:00-21:00) - 疯狂开发上午:功能设计 + 核心逻辑实现下午:前端界面 + 后端 API 对接晚上:功能测试 + Bug 修复周日半天(09:00-15:00) - 部署上线代码优化和文档编写服务器部署(Vercel/Railway/云服务器)获得可公开访问的 URL我做了什么项目?项目名称:AI 学习笔记助手核心功能:上传 PDF/Markdown 文档,自动提取知识点AI 生成思维导图和复习问题支持问答式复习(基于文档内容)技术栈:前端:React + Tailwind CSS后端:FastAPI + LangChain数据库:Pinecone(向量数据库)部署:Vercel(前端)+ Railway(后端)最终成果:一个完整可访问的网站:https://ai-notes-helper.vercel.appGitHub 仓库:完整代码 + README 文档实际使用反馈:3 位同学试用并提出改进建议简历质变:从作业列表到项目经历周末结束后,我把这个项目写进了简历。第一次,我的简历不再像作业列表,而是有可验证、可追问的项目经历。优化后的简历:项目经历:AI 学习笔记助手 | 个人项目(线上可访问)- 技术栈:React + FastAPI + LangChain + Pinecone- 功能:支持文档上传、知识点提取、AI 问答、思维导图生成- 成果:部署上线,累计 50+ 次访问,获得 3 条用户反馈- 链接:https://ai-notes-helper.vercel.app- 代码:https://github.com/xxx/ai-notes-helper面试时的变化:HR:"你做过完整项目吗?" 我:"做过,这是我上个月完成的 AI 学习笔记助手,您可以直接访问这个网址体验。"HR:"能讲讲技术实现吗?" 我:(自信满满)"前端用 React 实现响应式界面""后端用 FastAPI 处理文件上传和 AI 调用""用 LangChain 封装 OpenAI API,实现文档解析和问答""用 Pinecone 做向量存储,提高检索效率"HR:"遇到过什么难点?" 我:"最大的挑战是文档切片策略,一开始切片太大导致上下文丢失,后来优化成滑动窗口方案,准确率提升了 30%。"HR:"有用户反馈吗?" 我:"有 3 位同学试用后提出建议,比如支持更多文档格式、增加笔记导出功能,我在第二版中已经实现了部分需求。"面试官明显眼前一亮。核心经验总结在这个过程中,我总结了几个关键经验:1. 不要追求完美,先跑通完整流程错误做法:想做一个完美的系统,结果卡在某个功能上,项目永远做不完。正确做法:第一版只实现核心功能(MVP 思维)先跑通"上传 → 处理 → 展示"完整链路后续迭代再优化细节我的实践:第一版只支持 PDF 上传和简单问答第二版增加思维导图生成第三版优化界面和增加导出功能即便功能不复杂,完整闭环比零散练习更有价值。2. 真实可访问胜过演示截图对比:截图:HR 只能看,无法体验,说服力弱可访问链接:HR 可以直接操作,真实感受产品我的做法:部署到 Vercel(前端)和 Railway(后端)获得稳定的公网 URL在简历和面试中直接分享链接效果:HR 能直接体验,比你讲一百遍都有说服力。3. 记录反馈,优化产品做法:邀请同学试用,记录他们的使用体验收集问题和改进建议(建立 Issue 列表)根据反馈迭代产品(体现产品思维)我的记录:用户反馈:1. 希望支持 Word 文档上传 → 已在 v2 实现2. 生成的问题太简单 → 调整 prompt,增加难度梯度3. 界面不够美观 → 重构 UI,使用 Shadcn 组件库这些迭代记录在面试中非常加分,证明你有产品思维和持续优化能力。给同学们的建议1. 选择合适的项目方向推荐方向(适合周末完成):AI 工具类:笔记助手、简历优化器、面试刷题助手数据可视化:个人消费分析、学习时长统计、GitHub 贡献图小工具:二维码生成器、图片压缩工具、Markdown 编辑器避免的方向(周末难以完成):社交平台(功能太复杂)电商系统(涉及支付和物流)大型管理系统(需求不明确)2. 技术栈选择建议前端:React(生态丰富)或 Vue(上手简单) 后端:FastAPI(Python,适合 AI)或 Express(Node.js,前端友好) 数据库:Supabase(免费)或 MongoDB Atlas(文档型) 部署:Vercel(前端)+ Railway/Render(后端)3. 时间分配建议需求设计:10%(不要过度设计)核心开发:60%(聚焦核心功能)测试优化:20%(保证基本可用)部署上线:10%(自动化部署)结语这次经历让我明白:真正重要的不是你学了多少知识,而是你做成过什么东西。AI 不是课堂作业,而是你能力的证明。只要跑通一次完整流程,你就能在简历、面试、甚至实习中获得实质性优势。与其学习更多零散知识,不如先完成一次完整闭环。如果你也在为简历发愁,不妨这个周末就开始动手。选一个小而美的项目,两天时间,从零到上线。相信我,这个经历会让你的简历脱颖而出。
实习如何「偷」产出?
点赞 评论 收藏
分享
评论
10
23
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务