前几章简单测试了一下的特性, 本章使用快速集成, 实现丝滑调用大模型, 往期内容传送门
- LangChain4j 初识，想使用Java开发AI应用？
- LangChain4j-AIServices，原来调用AI这么简单？
- LangChain4j-RAG，实现简单的text-sql功能
官方提供了SpringBoot Starter, 本章就使用Starter进行快速集成.
使用SDK版本信息如下：
GPT plus 代充 只需 145
通过在配置文件中声明模型信息 即可实现对应模型的自动注入
主要声明了
- 聊天记忆提供类, 关联了记忆存储对象
- 向量存储对象,这里使用的是pgvector
- 内容检索器(RAG-检索实现)
GPT plus 代充 只需 145
实现了ChatMemoryStore接口, 这里测试使用的是map存储的, 生产环境中可以持久化到数据库中
chat过程中消息会通过ChatMemory调用ChatMemoryStore对聊天内容进行持久化/获取
GPT plus 代充 只需 145
@AiService 将实现AiService的自动注入
: 用户自己指定相关的bean
缺省:: 项目启动时自动在环境中找对应的对象实现注入,如果有多个(比如:chatModel),启动报错
这里举了几种典型的场景 如
- 普通聊天 chat()
- 聊天记忆&流式输出 chatWithStream()
- 提取指定内容并将结果结构化 extractPerson()
- 提示词占位替换 mockUsername()
- rag text-sql chatWithSql()
GPT plus 代充 只需 145
第一次会话:
后端日志如下
第二次会话:
数据库中信息如下:
本章通过使用实现快速集成, 通过简单的配置实现了AI的调用, 总体使用感受还不错, 虽然是刚发布的正式版但是整体的集成、方法调用都挺丝滑的, 到这里这关于的全部内容已经完结了, 后续会出个SpringAI正式版的体验对比,感兴趣的可以关注下.
测试过程中的代码已全部上传至github, 欢迎点赞收藏 仓库地址: https://github.com/ludangxin/langchain4j-test
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/216648.html