LangChain4j入门二：构建基于阿里云通义千问的 简单AI 会话

ChatModel是LangChain4j中用于与聊天模型进行交互的核心接口。它抽象了发送消息、接收响应以及处理流式输出等操作。

一、ChatModel 核心特性

• 消息交互：支持 UserMessage、SystemMessage、AiMessage 等消息类型，模拟真实对话流程。
• 流式响应：通过 StreamingChatLanguageModel 支持实时接收模型输出，提升用户体验。
• 灵活配置：可设置温度（temperature）、最大生成 token 数（maxTokens）等参数。
• 多平台支持：通过不同实现类无缝切换后端模型（如 Qwen、GPT、LLaMA 等）。

二、为什么选择阿里云通义千问？

由于 OpenAI 在国内访问受限，我们选择国产优秀大模型——阿里云通义千问（Qwen）。它具备强大的中文理解与生成能力，且通过阿里云百炼平台提供稳定 API 接口，非常适合国内开发者使用。

三、项目搭建步骤

第一步：创建 Spring Boot 项目

1. 打开 IntelliJ IDEA，选择 New Project。

2. 选择 Spring Initializr，填写项目名称、路径。

3. 技术栈选择：

   • 构建工具：Maven
   • Java 版本：17 或以上（推荐）
   • Spring Boot 版本：3.5.5（兼容性良好）

4. 添加依赖：

   • Spring Web
   • Lombok

   点击“Create”完成项目创建。

第二步：配置文件格式化（.properties → .yml）

为便于管理复杂配置，建议将默认的 application.properties 改为 YAML 格式：

1. 删除 src/main/resources/application.properties
2. 新建 application.yml

第三步：引入 LangChain4j 与阿里云 DashScope 依赖

在 pom.xml 中添加以下依赖：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-community-dashscope-spring-boot-starter</artifactId>
    <version>1.1.0-beta7</version>
</dependency>

第四步：获取阿里云 API Key

1. 访问 阿里云百炼平台
2. 注册并登录账号
3. 进入「模型广场」，选择 通义千问系列模型（如 qwen-max）
4. 获取您的专属 API Key（请妥善保管，勿泄露）

第五步：配置 application.yml

在 application.yml 中添加 LangChain4j 配置：

langchain4j:
  community:
    dashscope:
      chat-model:
        model-name: qwen-max
        api-key: <Your-API-Key-Here>  # 替换为实际密钥

注：配置完成后，Spring Boot 会自动注入 ChatModel 实例，无需手动初始化。

第六步：编写 AI 助手服务类

创建包 com.example.ai，并在其中新建 AIHelper.java：

package com.example.ai;

import dev.langchain4j.model.chat.ChatModel;
import dev.langchain4j.model.chat.UserMessage;
import dev.langchain4j.model.chat.response.ChatResponse;
import dev.langchain4j.model.chat.message.AiMessage;
import lombok.extern.slf4j.Slf4j;
import org.springframework.stereotype.Service;
import org.springframework.beans.factory.annotation.Resource;

@Service
@Slf4j
public class AIHelper {

    @Resource
    private ChatModel chatModel;

    /**
     * 与 AI 进行对话
     * @param message 用户输入的消息
     * @return AI 返回的文本
     */
    public String aiChat(String message) {
        // 构造用户消息
        UserMessage userMessage = UserMessage.from(message);

        // 发起请求并获取响应
        ChatResponse chatResponse = chatModel.chat(userMessage);

        // 提取 AI 回复内容
        AiMessage aiMessage = chatResponse.aiMessage();

        // 输出日志（便于调试）
        log.info("AI 输出：{}", aiMessage.text());

        return aiMessage.text();
    }
}

注解说明：

• @Service：将此类注册为 Spring 容器中的服务 Bean
• @Slf4j：使用 Lombok 自动生成日志对象 log
• @Resource：自动注入 LangChain4j 提供的 ChatModel

第七步：编写单元测试

1. 在 src/test/java 下创建测试类 AIHelperTest
2. 使用 IDEA 快捷键 Alt + Enter 在 aiChat 方法上生成测试

package com.example.ai;

import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import static org.junit.jupiter.api.Assertions.assertNotNull;

@SpringBootTest
class AIHelperTest {

    @Autowired
    private AIHelper aiHelper;

    @Test
    void chat() {
        String response = aiHelper.aiChat("你好，请介绍一下你自己，以及你能做什么？");
        assertNotNull(response);
        System.out.println("AI 回应：\n" + response);
    }
}

运行测试，效果如下图所示：

四、常见问题与解决方案