LangChain4j-针对性操作Function-call+系统预设角色

关注

VIP免费原创最新推荐文章于 2026-09-15 10:03:16 发布 453 阅读 AI 写同款· GEO 优化 ›

LangSmith Evaluation实战：构建LLM应用的实时可观测性驾驶舱大语言模型（LLM）应用上线后常面临‘黑箱难诊断’问题——响应延迟、幻觉频发、知识漏检却缺乏归因依据。LangSmith Evaluation并非传统单元测试，而是面向生产环境的链路级可观测体系，通过基础指标层（What）、链路归因层（Why）和业务映射层（So What）三层设计，实现从模型输出到用户反馈的全链路追踪。它依托LangChain原生trace能力，支持规则判断、嵌入相似度与LLM-as-a-Judge等多模态评估方式，并可与CI/CD集成形成发布守门机制。核心价值在于将抽象的‘LLM性能监控阅读详情

如果我们想要对一些敏感信息进行针对化的操作，不仅仅是接口大模型去进行回复。
比如我们现在数据库里面有一些菜品，那么用户提问，店里有多少套餐，那么云端大模型肯定是不知道的，我们希望捕获这些关键字然后进行自己的业务查询或者处理，这个时候就可以使用function-call

注意： qwq-32b，deepseek不支持（deepseek-v3支持）

使用流程：

问大模型：店铺有多少套餐
大模型识别出问题，提取倒关键字“xx”店铺，“套餐”
大模型就会调用写好的方法
将方法的结果，并结合上下文请求搭建模型
大模型响应

编写一工具类

服务类是基于 langchain4j 框架实现的工具调用服务

通过 @Service 注解被 Spring 容器管理
使用 @Tool 注解标记可被 AI 调用的方法，AI 会根据工具描述决定何时调用这些方法
@P(“地区”) 和 @P(“姓名”) 用于标注方法参数的语义，帮助 AI 理解需要提取的信息（如用户输入中的地区和姓名）

package com.yd.langchain4j_springboot.service;

import dev.langchain4j.agent.tool.P;
import dev.langchain4j.agent.tool.Tool;
import org.springframework.stereotype.Service;

@Service
public class ToolsService {
   
   

    // 告诉AI 什么对话才调用这个方法
    @Tool("某个地区有多少个名字的")
    public  Integer changshaNameCount(

            @P("地区")
            String location,
            // 告诉AI 需要提取的信息
            @P("姓名")
            String name){
   
   
        // todo...
        System.out.println(name);
        System.out.println(location);

        // 结果
        return 10;
    }


    @Tool("退票")
    public  String cancelBooking(

            @P