LangChain4j 开发Java Agent智能体- 整合SpringBoot4

大家好，我是Java1234_小锋老师，最近更新《2027版本 LangChain4j 开发Java Agent 智能体 视频教程》专辑，感谢大家支持。

本课程主要介绍和讲解 LangChain4j 简介，阿里云百炼大模型平台接入，Ollama简介以及安装和使用，HelloWorld 实现，日志配置，集成SpringBoot，Ai Service 使用，对话与提示词工程(Prompt)，结构化输出，会话记忆，工具调用(Function Calling)，嵌入模型与向量数据库，RAG(检索增强生成)，MCP(模型上下文协议)，多模态支持

视频教程+课件+源码打包下载：

链接：https://pan.baidu.com/s/1o-zRfndo1HHrS_uFroOiCw?pwd=1234 提取码：0000

LangChain4j 开发Java Agent智能体- 整合SpringBoot4

整合SpringBoot4（使用百炼云平台接口）

我现在把LangChain4j整合到SpringBoot4里面去。

首先新建项目langchain4j_test，选Maven构建，jdk版本选17

继续Next下一步，选SpringBoot版本4.0.6，以及选择Spring Web依赖。

根据官方文档，pom.xml加下LangChain4j依赖：

<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-open-ai-spring-boot4-starter</artifactId>
<version>1.15.0-beta25</version>
</dependency>

application.yml里配置上模型参数，以及日志和日志级别：

langchain4j:
open-ai:
chat-model:
api-key: ${OPENAI_API_KEY}
model-name: qwen3.6–plus
base-url: https://dashscope.aliyuncs.com/compatible–mode/v1
temperature: 0.7 # 是控制大语言模型（LLM）生成文本随机性或创造性的超参数。 它的值越高，模型越随机，越创造性。 范围是0-1
log-requests: true
log-responses: true

logging:
level:
dev.langchain4j: debug

再新建一个MyChatController来测试下：

package com.java1234.controller;

import dev.langchain4j.model.openai.OpenAiChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class MyChatController {

@Autowired
private OpenAiChatModel chatModel;

@RequestMapping("/chat")
public String chat(String question) {
return chatModel.chat(question);
}

}

我们启动项目，浏览器输入测试：http://localhost:8080/chat?question=你是谁？

浏览器返回：

整合SpringBoot4（使用Ollama）

LangChain4j专门开发了适配Ollama的库，pom.xml里加下：

<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-ollama-spring-boot4-starter</artifactId>
<version>1.15.0-beta25</version>
</dependency>

application.yml里配置ollama模型参数：

langchain4j:
ollama:
chat-model:
model-name: qwen3:4b
base-url: http://localhost:11434
temperature: 0.7 # 是控制大语言模型（LLM）生成文本随机性或创造性的超参数。 它的值越高，模型越随机，越创造性。 范围是0-1
log-requests: true
log-responses: true
open-ai:
chat-model:
api-key: ${OPENAI_API_KEY}
model-name: qwen3.6–plus
base-url: https://dashscope.aliyuncs.com/compatible–mode/v1
temperature: 0.7 # 是控制大语言模型（LLM）生成文本随机性或创造性的超参数。 它的值越高，模型越随机，越创造性。 范围是0-1
log-requests: true
log-responses: true

logging:
level:
dev.langchain4j: debug

MyChatController里注入OllamaChatModel，以及实现chat2方法

package com.java1234.controller;

import dev.langchain4j.model.ollama.OllamaChatModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class MyChatController {

@Autowired
private OpenAiChatModel chatModel;

@Autowired
private OllamaChatModel ollamaChatModel;

@RequestMapping("/chat")
public String chat(String question) {
return chatModel.chat(question);
}

@RequestMapping("/chat2")
public String chat2(String question) {
return ollamaChatModel.chat(question);
}

}

启动项目，浏览器输入测试：http://localhost:8080/chat2?question=你是谁？

浏览器返回内容：