域名备案 填写网站信息seo网站优化外包

前言

在上一篇文章中，我们见证了@AiService注解的惊人威力。仅仅通过定义一个Java接口，我们就实现了一个功能完备的AI聊天服务。这感觉就像魔法一样！

但作为专业的工程师，我们知道“任何足够先进的技术，都与魔法无异”。今天，我们的任务就是揭开这层魔法的面纱，深入理解其背后支撑我们与AI进行高质量对话的三大支柱：

1. 语言模型 (Models)：AI的“大脑”，我们如何理解并与它交互。
2. 提示模板 (Prompt Templates)：控制我们对AI“说什么”的艺术，实现动态、可复用的指令。
3. 输出解析器 (Output Parsers)：驯服AI的“输出”，让它返回我们需要的Java对象，而不仅仅是文本。

掌握了这三者，你将从一个简单的AI“调用者”，蜕变为一个能精确控制AI行为的“指挥家”。

第一部分：再探模型 (Models) - AI的“大脑”

在application.properties中，我们配置了langchain4j.open-ai.chat-model.*等属性，并通过LangChain4jConfig创建了一个ChatLanguageModel类型的Bean。

ChatLanguageModel是LangChain4j中的一个核心接口，它代表了所有聊天式AI模型（如GPT-3.5/4, DeepSeek-Chat）的统一抽象。你可以把它想象成Java JDBC规范中的DataSource接口，它为所有不同厂商的数据库提供了统一的访问标准。

我们配置的OpenAiChatModel是这个接口的一个具体实现。如果我们想换成Google的Gemini模型，只需引入langchain4j-google-vertex-ai依赖，并创建一个VertexAiChatModel的Bean即可，而我们上层的业务代码（如Assistant接口）几乎无需改动。这就是面向接口编程的威力。

核心概念：

• ChatLanguageModel: 用于一次请求-响应的交互。
• StreamingChatLanguageModel: ChatLanguageModel的子接口，用于流式响应。AI的回答会一个词一个词地“流”回来，能极大地提升用户体验，我们将在后续文章中探讨它。

第二部分：提示模板 (Prompt Templates) - 控制AI的“输入”

在上一篇中，我们使用了简单的assistant.chat(userMessage)。LangChain4j只是将userMessage作为用户提问直接发给了AI。但如果我们想让AI扮演特定角色，或者根据多个动态参数来提问呢？这时就需要提示模板。

在LangChain4j中，我们可以通过@UserMessage注解和{{...}}占位符来创建强大的提示模板。

实战：创建一个食谱生成器

让我们来改造Assistant接口，让它能根据菜系和原料生成食谱。

1. 修改Assistant接口

   package com.example.aidemoapp.service;import dev.langchain4j.service.SystemMessage;
   import dev.langchain4j.service.UserMessage;
   import dev.langchain4j.service.spring.AiService;@AiService
   public interface Assistant {@SystemMessage("You are a polite assistant")String chat(String userMessage);// 新增一个使用模板的方法@UserMessage("""请创建一个 {{dish_type}} 菜肴的食谱。 主要食材是：{{ingredients}}。 请提供包含标题、简要描述、所需食材列表以及逐步操作说明的完整食谱。""")String createRecipe(@V("dish_type") String dish_type, @V("ingredients") String ingredients);
   }
   

   代码解析：

   • 我们在@UserMessage注解中使用了Java 15的文本块（三引号），方便编写多行提示。
   • {{dish_type}}和{{ingredients}}是占位符。
   • LangChain4j会自动将createRecipe方法的dish_type参数值填充到{{dish_type}}占位符中，ingredients参数同理。

2. 在ChatController中调用新方法

   package com.example.aidemoapp.controller;// ... imports ...@RestController
   @RequestMapping("/api/v2/chat")
   @RequiredArgsConstructor
   public class ChatController {private final Assistant assistant;@GetMappingpublic String chat(@RequestParam("message") String message) {return assistant.chat(message);}@GetMapping("/recipe")public String recipe(@RequestParam String dishType, @RequestParam String ingredients) {return assistant.createRecipe(dishType, ingredients);}
   }
   

现在，当你请求GET /api/v2/chat/recipe?dishType=Sichuan&ingredients=tofu,garlic,chili时，LangChain4j会向AI发送一个被完整填充的、结构化的Prompt，从而得到一个高质量的食谱。

第三部分：输出解析器 (Output Parsers) - 控制AI的“输出”

上面的食谱生成器返回的是一个长字符串。在真实应用中，我们更希望得到一个结构化的Java对象（POJO），以便于在前端展示或进行后续处理。

LangChain4j的AiServices能做到这一点！只要你将方法的返回类型从String改为一个自定义的Java类，LangChain4j就会自动指示AI以JSON格式输出，并自动将JSON反序列化为你的Java对象。这就是输出解析器的魔力！

实战：将食谱输出为Java对象

1. 创建Recipe POJO
   在com.example.aidemoapp下创建dto包，并新建Recipe.java类。

   package com.example.aidemoapp.dto;import lombok.Data;
   import java.util.List;@Data // Lombok注解，自动生成getter, setter, toString等
   public class Recipe {private String title;private String description;private List<String> ingredients;private List<String> instructions;
   }
   

2. 再次修改Assistant接口
   我们将createRecipe方法的返回类型改为Recipe。

   // ... imports ...
   import com.example.aidemoapp.dto.Recipe; // 引入Recipe类@AiService
   public interface Assistant {@SystemMessage("You are a polite assistant")String chat(String userMessage);// 新增一个使用模板的方法@UserMessage("""请创建一个 {{dish_type}} 菜肴的食谱。 主要食材是：{{ingredients}}。 请提供包含标题、简要描述、所需食材列表以及逐步操作说明的完整食谱。""")Recipe createRecipe(@V("dish_type") String dish_type, @V("ingredients") String ingredients);
   }
   

   提示词增强：我们明确在提示中要求AI以JSON格式返回，并描述了JSON的结构。虽然LangChain4j在很多情况下会自动处理，但明确地指示AI可以极大地提高成功率和稳定性。

3. 修改ChatController

   // ... imports ...
   import com.example.aidemoapp.dto.Recipe;// ...
   public class ChatController {// ... chat和recipe方法 ...@GetMapping("/recipe-object")public Recipe recipeObject(@RequestParam String dishType, @RequestParam String ingredients) {return assistant.createRecipeAsObject(dishType, ingredients);}
   }
   

   由于@RestController的存在，Spring Boot会自动将返回的Recipe对象序列化为JSON字符串，作为HTTP响应返回给前端。

现在，当你请求GET /api/v2/chat/recipe-object?dishType=Italian&ingredients=pasta,tomatoes,basil时，你将直接得到一个干净的、结构化的JSON响应！

源码获取

本文中所有实战代码均已同步更新至Gitee仓库，方便您下载、运行和学习。

源码地址：https://gitee.com/chaocloud/springboot-langchain4j-demo

总结

今天，我们揭开了LangChain4j高效开发的神秘面纱。我们学习了：

• Models是连接AI大脑的统一接口。
• Prompt Templates (@UserMessage和{{...}}) 让我们能精确地、动态地控制输入。
• Output Parsers (通过改变返回类型) 让我们能将AI的输出从非结构化的文本，转换为结构化的、可被程序直接利用的Java对象。

我们已经从简单的“你问我答”进化到了可以与AI进行可预测、结构化交互的新阶段。但这还不够，我们的AI助手还是“金鱼般的记忆”，每次对话都是一次全新的开始。如何让它记住上下文，进行真正的多轮对话呢？

---

下一篇预告：
《Java大模型开发入门 (7/15)：让AI拥有记忆 - 使用LangChain4j实现多轮对话》—— 我们将为我们的Assistant装上“记忆芯片”，探索LangChain4j中的ChatMemory机制，打造一个能真正联系上下文的智能聊天机器人！