Java快速实现智能体整理(LangChain4j实现智能小工具))
目录
一、实现翻译助手
二、实现计算器
三、流式输出json
四、实现会话记忆
一、实现翻译助手
1、AI Service接口:可把它看作标准 Spring Boot的 @Service，但带有 AI 功能。 * * 当应用程序启动时，LangChain4j 启动器将扫描类路径并找到所有带有 @AiService 注解的接口。对于每个找到的 AI 服务，它将使用应用程序上下文中的所有 LangChain4j 组件创建此接口的实现，并将其注册为一个 bean* 2、最大限度的调用函数工具:@UserMessage 我们通过提示词，让大模型尽量考虑调用我们的需求。 3、@SystemMessage 注解定义系统提示词。系统提示词是设置 AI 模型行为规则和角色定位的隐藏指令，用户通常不能直接看到。系统 Prompt 相当于给 AI 设定人格和能力边界，也就是告诉 AI “你是谁？你能做什么？”。package com.ai.LangChain4j; import dev.langchain4j.service.SystemMessage; import dev.langchain4j.service.UserMessage; import dev.langchain4j.service.spring.AiService; @AiService public interface TranslatorService { @SystemMessage("你是一位翻译助手") @UserMessage("请将以下句子翻译成英文：{{message}}") // 模板化提示 String chat(String message); }controller实现：
@Autowired private ChatModel chatModel; // 汉译英 @GetMapping("/translator") public String translator(@RequestParam(defaultValue = "请介绍一下杜甫")String message) { translator = AiServices.builder(TranslatorService.class) .chatModel(chatModel) .build(); return translator.chat(message); }运行结果
二、实现计算器
工具类实现：
package com.ai.LangChain4j; import dev.langchain4j.agent.tool.Tool; /** 定义工具类（类似函数调用） * @Tool用于对函数进行功能描述 * 描述的越清楚，大模型越容易考虑是否需要使用函数工具 *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 * * */ public class CalculatorTool { @Tool("计算字符串的长度") int stringLength(String s) { return s.length(); } @Tool("计算两个整数的和") int add(int a, int b) { return a + b; } @Tool("计算两个整数的差") int sub(int a, int b) { return a - b; } @Tool("计算两个整数的商(除法)") int div(int a, int b) { return a / b; } @Tool("计算整数的平方根") double sqrt(int x) { return Math.sqrt(x); } }AIService及controller实现：
package com.ai.LangChain4j; import dev.langchain4j.service.SystemMessage; import dev.langchain4j.service.UserMessage; import dev.langchain4j.service.spring.AiService; @AiService public interface CalculatorService { @UserMessage("针对提出的问题：{{userMessage}}，请尽量调用已有的函数工具") @SystemMessage("你是一个专业的计算器助手.") String cal(String userMessage); }@Autowired private CalculatorService calculator; //简单计算器 @GetMapping("/calculator") public String calculator(String message) { calculator = AiServices.builder(CalculatorService.class) .chatModel(chatModel) .tools(new CalculatorTool()) .build(); return calculator.cal(message); }运行结果：
三、流式输出json
按json格式输出
方法一：
@RequestMapping(value = "/chatstream") public Flux<String> chatstream(@RequestParam("message") String prompt) { return Flux.create(emitter -> { streamingChatModel.chat(prompt, new StreamingChatResponseHandler() { @Override public void onPartialResponse(String partialResponse) { emitter.next(partialResponse); } @Override public void onCompleteResponse(ChatResponse chatResponse) { emitter.complete(); } @Override public void onError(Throwable throwable) { emitter.error(throwable); } }); }); }运行结果，可以完整输出：
方法二：
定义：QaService
package com.ai.LangChain4j; import dev.langchain4j.service.SystemMessage; import dev.langchain4j.service.spring.AiService; import java.util.List; @AiService public interface QaService { // resources 目录下新建文件 system-prompt.txt 来存储系统提示词 // @SystemMessage("你是一个精通Java的助理。请用中文回答。") @SystemMessage(fromResource = "system-prompt.txt") Report chatForReport(String userMessage); // 学习报告 record Report(String name, List<String> suggestionList){} }controller实现：
@Autowired private QaService qaService; @GetMapping("/memory") public QaService.Report memory(@RequestParam(defaultValue = "你好，我是程序员小黑，学Java编程五年半，请帮我制定AI大模型学习路线")String message) { return qaService.chatForReport(message); }运行结果：
四、实现会话记忆
@AiService public interface QaService { // resources 目录下新建文件 system-prompt.txt 来存储系统提示词 // @SystemMessage("你是一个精通Java的助理。请用中文回答。") @SystemMessage(fromResource = "system-prompt.txt") Report chatForReport(String userMessage); // 学习报告 record Report(String name, List<String> suggestionList){} }定义bean:
@Bean public QaService qaHelperService() { /** * 会话记忆 * 开箱即用的 MessageWindowChatMemory 会话记忆，最多保存 N 条消息，多余的会自动淘汰。 * 创建会话记忆后，在构造 AI Service 设置 chatMemory */ ChatMemory chatMemory = MessageWindowChatMemory.withMaxMessages(10); QaService qaHelperService = AiServices.builder(QaService.class) .chatModel(chatModel) .chatMemory(chatMemory) .build(); return qaHelperService; }controller
@Autowired private QaService qaService; @GetMapping("/memory") public QaService.Report memory(@RequestParam(defaultValue = "你好，我是程序员小黑，学Java编程五年半，请帮我制定AI大模型学习路线")String message) { return qaService.chatForReport(message); }运行结果;
继续追问：
