（三）LangChain4j模型分类和使用

最新推荐文章于 2025-05-18 19:22:43 发布
最新推荐文章于 2025-05-18 19:22:43 发布
阅读量2k 收藏 10
点赞数 21
分类专栏： LangChain4j 文章标签： 人工智能 java langchain 语言模型 自然语言处理
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。
本文链接：https://blog.youkuaiyun.com/qq_36955155/article/details/137832007
版权
本文介绍了LangChain4j中的不同语言模型，如ChatLanguageModel，其支持Anthropic、OpenAI等多家公司的API，强调了灵活性和连接外部模型的能力。同时提到了EmbeddingModel、ImageModel和ModerationModel的应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一.LanguageModel语言模型

该模型的API比较简单，接受字符串作为输入并返回字符串作为输出，这种模型已经被

ChatLanguageModel取代，所以LangChain4j中也不在扩展对LanguageModel的支持，

在此处也不过多描述。

二.ChatLanguageModel聊天语言模型

是LangChain4j中底层的API，提供了最大的功能和灵活性，可以连接市面上的很多语言模型：

1.Anthropic

Anthropic是一家位于美国加州旧金山的人工智能初创公司，成立于2021年。

AnthropicChatModel使用如下：

引入依赖

获取密钥，https://console.anthropic.com/settings/keys ，目前对中国用户不开放

​

2.OpenAI

一家非营利性人工智能研究机构，致力于推进人工智能领域的发展和应用。

OpenAiChatModel的使用如下：

提供测试用的密钥demo，可以实现基本功能，更多功能需要付费申请密钥。

3.MistralAI

致力于人工智能领域的公司，密钥需要付费使用。

4.Ollama

Ollama是一个开源的大型语言模型服务工具，它帮助用户快速在本地运行大模型。

要连接Ollama提供的大模型，必须在本地安装并运行一个大模型，例如 Llama 2、orca-mini等。

library

.....

三.OpenAiStreamingChatModel

具有聊天接口的的语言模型，能够实现流式输出

聊天语言模型中的讲解的公司也都能实现该功能，以OpenAi的举例：

四.EmbeddingModel 嵌入式模型

将文本转换为向量，用于相似性检索

结合数据库来保留原始数据之间的关系和语义信息

1.Milvus

AllMiniLmL6V2EmbeddingModel结合InMemoryEmbeddingStore

五.ImageModel图像模型

生成和编辑图像，可以根据文本生成图像

1.OpenAi

OpenAiImageModel

目前尚未用到，后面再进行补充

六.ModerationModel 审核模型

审核模型，可以过滤一些问题，例如检查文本是否包含有害内容

1.OpenAi

OpenAiModerationModel结合AiService（后面会讲）

七.ScoringModel评分模型

尚未研究，等研究之后在进行补充

1. LangChain4j 之入门基础(简单易学)
gorgor在码农
07-08 2450
不知道的朋友，可以看我一下两篇文章。
LangChain4j正式发布-简化将 LLM 集成到 Java 应用程序过程
nanxiaotao的博客
05-15 1171
LangChain4j 的目标是简化将 LLM 集成到 Java 应用程序中的过程。
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 2719
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+Ollama入门大模型项目
qq_44402992的博客
04-16 1396
使用Langchain4J入门LLM应用项目开发，本地与远程多模型支持
langchain4j实战：三种模型的使用（ChatLanguageModel、StreamingChatLanguageModel、ImageModel）
VivianStark的博客
05-17 3970
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。
Langchain4j的使用!Java实现对AI模型的使用!
晚风乱了温柔的博客
03-19 2756
Langchain4j的Stream流,会话记忆,function,RAG,检索增强的实现
LangChain4j系列：带你入门LangChain4j框架
热门推荐
2301_81940605的博客
07-05 1万+
本文所有示例均在 langchain4j 0.31.0 版本之上进行，langchain4j也是在快速发展的阶段。
大模型与LangChain4j：Java环境下构建和优化AI应用的全方位指南
01-23
内容概要：本文深入探讨了大模型和LangChain4j的各个方面。文中首先定义了大模型的基本特征、分类及应用领域，并介绍了大模型的发展层级和应用场景，诸如智能客服、内容创作、翻译等。接着详述了基于Java的AI开发...
【LangChain4J 】LangChain4J 第一弹：基于数据持久化实现情感分析
大家好，我是敖云岚，一个沉迷代码的 “技术玩家”。擅长 Java、C++ 开发，对 MySQL、Redis、RabbitMQ 等技术也颇有研究。博客里既有硬核技术干货，也有诙谐幽默的编程日常分享。愿和你一起，笑着学技术，快乐敲代码！
05-18 1001
LangChain4j 是一个让Java开发者轻松玩转大模型的工具包，像搭积木一样组合各种AI功能！这篇教你5分钟搞定接入“
使用Java和LangChain4j实现人工智能：从分类到生成式AI
静水深流
05-06 851
LangChain4j 是一个专为 Java 设计的 AI 框架，灵感来源于 Python 的 LangChain，但完全基于 Java 开发。生成式 AI：生成文本、代码或图像。分类任务：基于训练数据进行预测。嵌入模型：处理文本相似性或搜索。工具集成：与外部 API 和数据集无缝交互。LangChain4j 的模块化设计使其适合快速原型开发和企业级应用。
Springboot项目集成LangChain4j的demo
最新发布
05-25
通过阅读LangChain4j的官方文档或相关技术文章，开发者可以掌握如何使用该库提供的各种预处理工具和模型训练方法。 在了解了LangChain4j的使用方法后，接下来的步骤就是配置Springboot项目以集成LangChain4j。这...
使用LangChain4J实现Agent与Tool调用
2401_85325397的博客
10-06 2197
有一个被称为“工具（tools）”或“函数调用（function calling）”的概念。它允许LLM在必要时调用一或多个由开发者定义的工具。工具可以是任何东西：网页搜索、外部API调用、或执行一段特定代码等。LLM本身无法实际调用这些工具；它们会在响应中表达出调用某个工具的意图（而不是直接生成文本）。我们开发者，则需要根据提供的参数来执行这些工具并报告工具执行结果。
langchain4j基本使用方法（一）
qq_33999481的博客
03-25 1331
langchain4j入门基本使用方法，入门教程
「LangChain4j入门 — JavaAI程序」
guojiaqi_的博客
12-16 1704
大模型，英文名叫 Large Model，大型模型。早期的时候，也叫 Foundation Model，基础模型。 大模型是一个简称。完整的叫法，应该是 “人工智能预训练大模型”。预训练，是一项技术，我们后面再解释。 我们现在口头上常说的大模型，实际上特指大模型的其中一类，也是用得最多的一类——语言大模型（LargeLanguage Model，也叫大语言模型，简称 LLM）。 除了语言大模型之外，还有视觉大模型、多模态大模型等。现在，包括所有类别在内的大模型合集，被称为广义的大模型。
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 1867
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。
JAVA AI 框架LangChain4j 入门教程
洛阳泰山的博客
02-14 2067
是一个基于 Java 的轻量级框架，旨在简化大型语言模型（LLM）在 Java 应用中的集成。模型集成：支持 OpenAI、HuggingFace、本地模型（如 Ollama）等。提示工程：通过模板化提示（Prompt Templates）优化与模型的交互。链式调用：将多个步骤（模型调用、工具执行）组合成可复用的流程。记忆管理：支持短期/长期记忆（如对话历史记录）。数据增强：通过检索增强生成（RAG）扩展模型知识库。工具扩展：允许自定义工具（如搜索、数据库查询）扩展模型能力。
langchain4j初使用
LEICHUAN87的博客
10-25 1440
最近公司的AI项目有个新的需求：当向大模型提问时，大模型可能无法回答这个问题，领导感觉体验不好，打算引入搜索的功能，即在大模型回答不了问题的情况下，通过一些搜索引擎提供的api去搜索相关的答案返回给客户。目前比较流行的框架是langchain, 由于我们公司在调用模型时是利用大模型提供的rest api相关的文档通过Java的Httpclient去调用的，因此考虑引入python不太合适。这时，需要通过一些搜索引擎公司如百度、google等提供的搜索接口，去搜索互联网上的内容返回给客户，提高用户体验。
langchain4j教程
05-18
### 关于 LangChain4j 的教程和使用指南 LangChain 是一种用于开发基于大型语言模型的应用程序的框架，而 LangChain4j 则是其 Java 版本实现。以下是关于 LangChain4j 教程和使用指南的相关信息： #### 官方资源 官方提供了丰富的文档和示例来帮助开发者快速入门 LangChain4j。可以访问以下链接获取详细的教程和使用说明： - **GitHub 示例仓库**: 提供了一系列实际应用案例，展示了如何利用 LangChain4j 构建不同类型的项目[^1]。 ```plaintext https://github.com/langchain4j/langchain4j-examples ``` - **官方文档**: 这里包含了全面的学习资料以及分步教程，适合初学者逐步掌握核心功能[^1]。 ```plaintext https://docs.langchain4j.dev/useful-materials/ ``` - **分类教程**: 针对特定主题进行了细分讲解，便于用户根据需求选择合适的内容深入研究[^1]。 ```plaintext https://docs.langchain4j.dev/category/tutorials ``` #### 使用场景 如果希望了解更具体的实践方法，可以通过浏览这些已定义好的应用场景获得灵感[^1]: ```plaintext https://docs.langchain4j.dev/tutorials/#or-consider-some-of-the-use-cases ``` 此外，对于那些希望通过调整上下文环境提升交互质量的情况，也可以参考相关内容介绍如何有效操作上下文数据以达到更高的精确度与用户体验满意度[^2]。 ### 示例代码片段 下面是一个简单的 LangChain4j 应用实例，展示如何加载并查询向量数据库中的内容（假设已经配置好相关依赖）: ```java import ai.langchain4j.VectorStore; import ai.langchain4j.memory.Memory; public class LangChainExample { public static void main(String[] args) throws Exception { VectorStore vectorStore = ...; // 初始化您的矢量存储 String queryText = "What is the capital of France?"; Memory memory = new Memory(); List<String> results = vectorStore.similaritySearch(queryText, 3); System.out.println("Results:"); for (String result : results){ System.out.println(result); } } } ``` 此段代码演示了通过相似性搜索从预先填充的数据集中检索最接近给定问题的答案的过程。
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