如皋做网站网站查询平台
在上一篇文章中，我们介绍了如何使用langchain4j实现简单的问答功能，本篇文章我们将介绍如何在springboot中使用AIService。
1.实现原理
先看下@AiService注解所在的依赖langchain4j-spring-boot-starter中包含什么内容：
1.1 event.AiServiceRegisteredEvent
这个类实现了ApplicationEvent，它的作用是当一个AiService被注册时触发的事件。
1.2 @AiService
本篇主要需使用的注解，作用是将一个接口标记为AiService，通过这个注解可以将一个接口转换为一个AiService对象，这个对象可以用于调用langchain4j提供的各种功能。
1.3 AiServiceFactory
AiServiceFactory类实现了FactoryBean接口，表示这是一个Spring工厂Bean，包含了AiService的各种依赖组件和配置，可以通过这个方法创建AiService对象。
1.4 ClassPathAiServiceScanner
这个类的主要功能是扫描类路径中的Bean定义，并筛选出带有AiService注解的接口
1.5 AiServiceScannerProcessor
这个类实现了BeanDefinitionRegistryPostProcessor接口，主要功能是负责定义扫描当前项目的类路径，移除不需要的AiService配置。
1.6 AiServicesAutoConfig
这个类主要功能是将上下文中的所有组件用于配置和注册AiService的Bean，并在完成后发布相关注册的事件。
2.AiService的简单实现
2.1 配置文件
langchain4j:open-ai:chat-model:api-key: ${API_KEY}base-url: https://api.deepseek.com/v1model-name: deepseek-chatlog-requests: truelog-responses: truetemperature: 0.5max-tokens: 4096
2.2 定义接口
写一个简单的接口，使用@AiService注解标注
@AiService
public interface Assistant {@SystemMessage("你是一位编程专家，你的名字叫小小明")String chat(String userMessage);}
3. 使用AiService
@RestController
public class ChatController {@ResourceChatLanguageModel chatLanguageModel;@ResourceAssistant assistant;@GetMapping("/chat")public String model(@RequestParam(value = "message") String message) {return chatLanguageModel.chat(message);}@GetMapping("/chatWithService")public String service(@RequestParam(value = "message") String message) {return assistant.chat(message);}
}
4. 测试一下
启动项目，用postman调用接口进行测试：
5. 在项目中使用多个模型
5.1 pom.xml
langchain4j支持使用多个模型，我们更新一下pom.xml文件，添加dashscope的依赖。
<dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId><version>${langchain4j.version}</version>
</dependency>
5.2 配置文件
这里我们配置了两个模型，一个是deepseek-chat，一个是qwen-plus。
langchain4j:open-ai:chat-model:api-key: ${API_KEY}base-url: https://api.deepseek.com/v1model-name: deepseek-chatlog-requests: truelog-responses: truetemperature: 0.5max-tokens: 4096community:dashscope:chat-model:api-key: ${API_KEY}model-name: qwen-plustemperature: 0.5max-tokens: 4096logging.level.dev.langchain4j: DEBUG
5.3 定义接口
然后我们定义两个接口，一个是dashscope的，一个是openai的。
@AiService(wiringMode = EXPLICIT, chatModel = "qwenChatModel")
public interface DashscopeAssistant {@SystemMessage("你是一位编程专家，名字是kitty")String chat(String userMessage);}@AiService(wiringMode = EXPLICIT, chatModel = "openAiChatModel")
public interface DeepseekAssistant {@SystemMessage("你是一位画家，名字是tom")String chat(String userMessage);}
5.4 使用
最后我们在controller中注入这两个接口，分别调用。
@RestController
public class ChatController {@ResourceDashscopeAssistant dashscopeAssistant;@ResourceDeepseekAssistant deepseekAssistant;@GetMapping("/chatWithQwen")public String qwen(@RequestParam(value = "message") String message) {return dashscopeAssistant.chat(message);}@GetMapping("/chatWithDeepseek")public String deepseek(@RequestParam(value = "message") String message) {return deepseekAssistant.chat(message);}}
6.测试多个AIService
