当前位置：首页 > news >正文

【LangChain4j从入门到精通实战教学】003、LangChain4j核心概念拆解：Model、Prompt、Chain、Agent、Memory

news 2026/8/9 8:07:22

003、LangChain4j核心概念拆解：Model、Prompt、Chain、Agent、Memory

从一次深夜调试说起

我在本地跑一个文档问答的Demo，代码看起来一切正常，但每次调用都返回完全无关的答案。折腾半小时后才发现，我传的Prompt里忘了加“请基于以下文档回答”这句指令——AI直接把我的问题当成了闲聊。这个坑让我重新审视LangChain4j里那几个最基础的概念：它们看似简单，实则每个背后都有门道。

今天我们就拆开看看Model、Prompt、Chain、Agent、Memory这五个核心部件到底该怎么用。

Model：不只是“模型”那么简单

在LangChain4j里，Model通常指语言模型本身，比如OpenAI的GPT、本地的Llama。但新手容易忽略的是，这里其实封装了两层东西：

// 常见写法：直接调模型Stringresponse=model.generate("今天天气怎么样？");// 更好的写法：明确指定模型参数ChatLanguageModelmodel=OpenAiChatModel.builder().apiKey("your-key").modelName("gpt-4")// 这里一定要显式指定，默认可能是旧版本.temperature(0.7)// 创造性程度，0.0~1.0，业务场景建议0.3以下.maxTokens(500)// 不设的话可能收到长篇大论.build();

踩过的坑：temperature设成0.9时，生成的产品描述每次都不一样，测试用例直接崩了。生产环境建议0.1~0.3，保证输出稳定。

Prompt：指令的艺术

Prompt不是简单地把问题丢进去。它更像是在给AI写任务说明书。

// 反面教材：太随意StringbadPrompt="给我写个Java单例模式";// 正面教材：结构化PromptStringgoodPrompt=""" 你是一个资深Java架构师，请完成以下任务： 1. 用双重检查锁实现线程安全的单例模式 2. 加上详细的注释说明关键步骤 3. 最后用一句话总结这种写法的优缺点 要求： - 代码必须能直接编译 - 禁止使用已废弃的写法 - 变量名用英文 开始写代码吧： """;

更专业的做法是用PromptTemplate：

PromptTemplatetemplate=PromptTemplate.from("请把{{input}}翻译成{{language}}，要求专业术语准确。");Map<String,Object>variables=newHashMap<>();variables.put("input","neural network");variables.put("language","法语");Promptprompt=template.apply(variables);// 这里会生成完整指令

个人经验：Prompt里加上角色设定（“你是一个XX专家”）效果提升明显。重要指令放开头和结尾——AI对这两个位置更敏感。

Chain：把任务串起来

Chain才是LangChain4j的灵魂。它把多个步骤连成一个工作流。

// 典型场景：先查资料，再总结，最后格式化输出Chain<String,String>chain=Chain.builder().addStep(retrievalStep)// 第一步：从向量库检索相关文档.addStep(summarizationStep)// 第二步：提取关键信息.addStep(formattingStep)// 第三步：按模板格式化.build();Stringresult=chain.execute("LangChain4j有哪些核心特性？");

调试技巧：复杂Chain建议先拆开测试每个Step，确认单个环节没问题再串联。曾经有个Bug折腾半天，最后发现是第二个Step的输出格式第三个Step解析不了。

Agent：让AI自己“动脑子”

Agent是能自主决定调用哪些工具的智能体。这是最像“AI助手”的部分。

Agentagent=Agent.builder().tools(Arrays.asList(newCalculatorTool(),// 数学计算工具newSearchTool(),// 网络搜索工具newFileReaderTool()// 文件读取工具)).maxIterations(10)// 重要！防止无限循环.build();Stringanswer=agent.execute("请计算公司去年营收增长率，然后搜索行业平均数据做对比");

这里有个经典陷阱：Agent可能陷入思考循环。比如“我需要计算增长率→调用计算工具→结果需要对比→需要行业数据→搜索工具→搜索结果需要分析→我需要计算增长率…”设置maxIterations和合理的超时机制是必须的。

Memory：记住上下文

Memory让对话有了连续性。分两种：短期记忆（当前会话）和长期记忆（向量存储）。

// 会话记忆MessageWindowChatMemorymemory=MessageWindowChatMemory.withMaxMessages(10);memory.add(UserMessage.from("我喜欢吃苹果"));memory.add(AiMessage.from("苹果富含维生素"));// 下次对话时，AI记得之前的内容Stringresponse=model.generate(memory.messages());