LangChain4j实战

原创 已于 2024-06-09 19:46:55 修改 · 2.4k 阅读 · 19 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#spring boot #langchain #LangChan4j #AI-Agent实现 #人工智能

于 2024-06-09 19:44:13 首次发布

基础

LangChain4j模型适配:

Provider

Native Image

Sync Completion

Streaming Completion

Embedding

Image Generation

Scoring

Function Calling

OpenAI

✅

✅

✅

✅

✅

✅

Azure OpenAI

✅

✅

✅

✅

✅

Hugging Face

✅

✅

Amazon Bedrock

✅

✅

✅

✅

Google Vertex AI Gemini

✅

✅

✅

✅

Google Vertex AI

✅

✅

✅

✅

Mistral AI

✅

✅

✅

✅

DashScope

✅

✅

✅

LocalAI

✅

✅

✅

✅

Ollama

✅

✅

✅

Cohere

✅

Qianfan

✅

✅

✅

✅

ChatGLM

✅

Nomic

✅

Anthropic

✅

✅

✅
最低0.47元/天 解锁文章
Langchain4j-Java大模型应用开发实战
program哲学
07-23 4570
本文详细介绍如何基于Java 利用Langchain4j框架开发大模型应用，包括各种实战内容
SpringBoot 整合Langchain4j 对接主流大模型实战详解
congge
08-06 4319
SpringBoot 整合Langchain4j 对接主流大模型实战详解
从零开始学LangChain4j：当Java遇上大模型，我悟了,大模型入门到精通，收藏这篇就足够了！
最新发布
Y525698136的博客
09-25 809
AI Services就是对ChatModel的封装，它不仅帮我们格式化输入、解析输出，还提供了会话记忆、工具调用、RAG等高级功能，大大提升了开发效率。
【微服务】SpringBoot整合LangChain4j 操作AI大模型实战详解
热门推荐
congge
03-17 1万+
SpringBoot 整合 LangChain4j 操作实战详解
Java开发者LLM实战——使用LangChain4j构建本地RAG系统
京东科技开发者
07-02 3163
RAG（Retrieval-Augmented Generation）的核心思想是：将传统的信息检索（IR）技术与现代的生成式大模型（如chatGPT）结合起来。具体来说，RAG模型在生成答案之前，会首先从一个大型的文档库或知识库中检索到若干条相关的文档片段。再将这些检索到的片段作为额外的上下文信息，输入到生成模型中，从而生成更为准确和信息丰富的文本。RAG的工作原理可以分为以下几个步骤：1.接收请求：首先，系统接收到用户的请求（例如提出一个问题）。2.信息****检索（R)
langchain4j实战：三种模型的使用（ChatLanguageModel、StreamingChatLanguageModel、ImageModel）
VivianStark的博客
05-17 4704
langchain4j版本用的是0.27.1，LLM大模型使用OpenAi本文主要介绍聊天对话、流式对话、文生图三种模式的使用，只需要两步就可以实现和LLM交互。
Java与AI大模型集成：LangChain4j实战指南.pdf
04-23
文档支持目录章节跳转同时还支持阅读器左侧大纲显示和章节快速定位，文档内容完整、条理清晰。文档内所有文字、图表、函数、目录等元素均显示正常，无任何异常情况，敬请您放心查阅与使用。文档仅供学习参考，请勿...
手把手教学：SpringBoot+LangChain4j实战全攻略
独孤求梦
04-03 1305
1、基于系统提示词AI对话 2、流式输出 3、会话记忆 4、对话隔离 5、Function Calling（函数调用） 6、联网搜索 7、多模态 - 图生文 8、多模态 - 文生图
完结10章Java大模型工程能力必修课，LangChain4j 入门到实践
09-12
LangChain4j作为专为Java开发者设计的工具库，正在成为连接传统Java工程与大模型应用的重要桥梁。 为什么Java开发者需要关注大模型工程能力？ Java作为企业级应用开发的主流语言，在金融、电商、物联网等领域有着...
【大模型】SpringBoot整合LangChain4j实现RAG检索实战详解
congge
03-30 1万+
SpringBoot整合LangChain4j实现RAG检索实战详解
Java开发者实战指南：利用LangChain4j打造本地RAG系统
m0_65555479的博客
11-26 1685
RAG（Retrieval-Augmented Generation）的核心思想是：将传统的信息检索（IR）技术与现代的生成式大模型（如chatGPT）结合起来。具体来说，RAG模型在生成答案之前，会首先从一个大型的文档库或知识库中检索到若干条相关的文档片段。再将这些检索到的片段作为额外的上下文信息，输入到生成模型中，从而生成更为准确和信息丰富的文本。RAG的工作原理可以分为以下几个步骤：1.接收请求：首先，系统接收到用户的请求（例如提出一个问题）。2.信息****检索（R)
langchain4j基础实战
weixin_46674772的博客
07-18 809
LangChain4J是一个简化Java应用程序集成大型语言模型(LLM)的框架。文章介绍了基础使用，包括接入阿里云百炼平台的通义千问模型和DeepSeek模型共存的方法。通过配置API Key、模型名称和Base URL，开发者可以快速调用不同的大模型服务。示例代码展示了如何配置Spring Bean和控制器，实现多模型共存调用。测试结果表明，该框架能有效简化Java与大模型的集成过程。
【大模型工具调用系列(一)】LangChain4J Function Calling(Tools) 保姆级实战教程，大模型入门到精通，收藏这篇就足够了
2301_81888214的博客
08-19 1043
您是否好奇如何让大模型（LLM）超越闲聊，真正成为能解决现实世界问题的强大助手？本系列文章专为初学者设计，将带您深入探索“工具调用”这一核心技术。
AI大模型企业应用实战：Prompt让LLM理解知识
2401_84204413的博客
06-25 2884
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
Java集成大模型：LangChain4j实战指南
2301_81682991的博客
09-13 1739
本文介绍了如何利用LangChain4j框架将大语言模型(LLM)集成到Java应用中。主要内容包括： LangChain4j简介 简化Java应用与LLM的集成 支持主流商业和开源LLM 提供智能代理、RAG等高级功能 项目搭建 创建Spring Boot项目并配置依赖 接入多种大模型(OpenAI、Deepseek、Ollama等) 实现聊天记忆功能 高级功能实现 检索增强生成(RAG)技术 向量数据库存储 流式输出交互 智能助手开发 完整项目实现 后端API开发 前端页面设计 系统集成测试
解锁AI的神秘力量：LangChain4j带你步入智能化实践之门
weixin_42326548的博客
05-08 1997
在探索LangChain4j的旅程中，我们不仅揭开了AI实践的神秘面纱，还发现了如何将这些强大的技术应用到实际业务中。随着智能化时代的大门缓缓开启，让我们携手LangChain4j，共同迈向一个更智能、更高效的未来。
langchain4j+milvus实战
go4it
03-03 1211
本文主要研究一下如何使用langchain4j来对接向量数据库milvus。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值