<think>我们
使用LangChain4j来调用
大模型，这里以千问
模型为例，展示如何设置参数并调用。
注意：
LangChain4j目前对DashScope的支持可能需要通过自定义的ChatModel实现，但我们可以
使用OpenAI兼容的API方式。
由于千问提供了OpenAI兼容的API，我们可以
使用LangChain4j的OpenAiChatModel来调用。
步骤：
1. 添加依赖
2. 创建OpenAiChatModel实例，配置baseUrl和apiKey
3. 设置
模型参数（如modelName, temperature, topP, maxTokens等）
4. 调用
模型
我们将给出一个完整的示例代码，并说明关键参数。</think>以下是
使用 LangChain4j 调用
大模型的完整指南，
包含参数配置、代码实现和最佳实践：
###
LangChain4j 调用
大模型参数配置指南
#### 1. Maven 依赖配置
```xml
<dependency>
<groupId>dev.
langchain4j</groupId>
<artifactId>
langchain4j</artifactId>
<version>0.27.1</version> <!-- 最新稳定版 -->
</dependency>
<dependency>
<groupId>dev.
langchain4j</groupId>
<artifactId>
langchain4j-
qianfan</artifactId>
<version>0.27.1</version> <!-- 千问专用适配器 -->
</dependency>
```
#### 2. 基础调用代码（带完整参数配置）
```java
import dev.
langchain4j.model.chat.ChatLanguageModel;
import dev.
langchain4j.model.
qianfan.
QianfanChatModel;
public class
LangChainQwenExample {
public static void main(String[] args) {
// 创建千问
模型实例（带完整参数配置）
ChatLanguageModel model =
QianfanChatModel.builder()
.apiKey("YOUR_
QIANFAN_API_KEY") // 必填参数
.secretKey("YOUR_
QIANFAN_SECRET_KEY") // 必填参数
.modelName("ERNIE-Bot-4") //
模型选择：ERNIE-Bot, ERNIE-Bot-turbo, ERNIE-Bot-4
.temperature(0.7) // 随机性控制 (0-1)
.topP(0.9) // 核心采样率 (0-1)
.penaltyScore(1.0) // 重复惩罚 (1-2)
.maxRetries(3) // 失败重试次数
.maxTokens(1024) // 最大输出token数
.timeout(Duration.ofSeconds(30)) // 超时设置
.logRequests(true) // 开启请求日志
.logResponses(true) // 开启响应日志
.build();
// 调用
模型（带系统提示词）
String response = model.generate("""
系统提示：你是一个专业的Java技术专家
用户问题：如何在Spring Boot中集成
LangChain4j？
""");
System.out.println("
模型回复：\n" + response);
}
}
```
#### 3. 高级参数配置技巧
**多轮对话管理**：
```java
// 创建对话历史对象
List<ChatMessage> messages = new ArrayList<>();
messages.add(new SystemMessage("你是一个专业的Java架构师"));
messages.add(new HumanMessage("解释一下Spring AOP的工作原理"));
// 带历史上下文的调用
String response = model.generate(messages);
// 添加后续对话
messages.add(new AiMessage(response));
messages.add(new HumanMessage("请用代码示例说明"));
// 继续对话
String nextResponse = model.generate(messages);
```
**流式响应处理**：
```java
model.generate(messages, new StreamingResponseHandler<AiMessage>() {
@Override
public void onNext(String token) {
System.out.print(token); // 实时输出部分响应
}
@Override
public void onComplete(Response<AiMessage> response) {
System.out.println("\n\n--- 完整响应 ---");
System.out.println(response.content().text());
}
@Override
public void onError(Throwable error) {
System.err.println("流式响应错误
: " + error.getMessage());
}
});
```
#### 4. 千问
模型参数优化建议
| 参数 | 推荐值 | 作用说明 | 适用场景 |
|------|--------|----------|----------|
| `temperature` | 0.3-0.7 | 控制输出随机性 | 技术问答0.3，创意生成0.7 |
| `topP` | 0.8-0.95 | 控制输出多样性 | 避免重复内容 |
| `maxTokens` | 512-2048 | 限制响应长度 | 根据问题复杂度调整 |
| `penaltyScore` | 1.2-1.5 | 惩罚重复内容 | 长文本生成 |
| `stopSequences` | ["\n\n", "###"] | 设置停止词 | 控制输出格式 |
#### 5. 最佳实践 - 配置模板
```java
public class QwenModelFactory {
// 创建技术问答专用
模型
public static ChatLanguageModel createTechAssistant() {
return
QianfanChatModel.builder()
.apiKey(getEnv("QWEN_API_KEY"))
.modelName("ERNIE-Bot")
.temperature(0.3)
.maxTokens(1024)
.topP(0.85)
.build();
}
// 创建创意生成专用
模型
public static ChatLanguageModel createCreativeWriter() {
return
QianfanChatModel.builder()
.apiKey(getEnv("QWEN_API_KEY"))
.modelName("ERNIE-Bot-4")
.temperature(0.8)
.maxTokens(2048)
.topP(0.95)
.build();
}
// 创建数据分析专用
模型
public static ChatLanguageModel createDataAnalyzer() {
return
QianfanChatModel.builder()
.apiKey(getEnv("QWEN_API_KEY"))
.modelName("ERNIE-Bot-turbo")
.temperature(0.2)
.maxTokens(512)
.responseFormat("json_object") // 要求JSON格式输出
.build();
}
}
```
#### 6. 错误处理与重试机制
```java
// 带重试机制的调用
Retryer<Response<AiMessage>> retryer = RetryerBuilder.<Response<AiMessage>>newBuilder()
.retryIfExceptionOfType(
QianfanException.class)
.withWaitStrategy(WaitStrategies.exponentialWait())
.withStopStrategy(StopStrategies.stopAfterAttempt(3))
.build();
try {
Response<AiMessage> response = retryer.call(() ->
model.generate(messages)
);
// 处理响应...
} catch (RetryException | ExecutionException e) {
// 处理最终失败
}
```
最低0.47元/天 解锁文章
扫一扫
7638
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
