Spring AI 和 LangChain4j 中文档处理功能对比

前面几篇文章分别介绍了 Spring AI 和 LangChain4j 在 RAG 文档处理各环节的支持——文档读取、解析、分段、清洗、元数据加工。本文将这些知识点汇总到一个完整的对比框架中，以《仙逆》知识库构建为参考场景，帮助你在项目起始阶段快速判断哪个框架更适合团队的技术栈和需求。

一、对比总览

二、文档读取（Extract）

文档读取解决的是"数据从哪里来"——本地磁盘、云存储、数据库、在线平台等。两框架在数据源覆盖面上各有侧重。

2.1 Spring AI（+Alibaba 社区）

2.2 LangChain4j

2.3 读取覆盖面对比

小结：Spring AI Alibaba 在中国本土生态（OSS/语雀/B站/飞书等）覆盖面最全；LangChain4j 在海外云存储（S3/Azure/GCS）和动态网页方面更强；Spring AI 原生较轻量，专注基础格式。

2.4 读取《仙逆》资料的代码对比

假设《仙逆》资料存储在三种位置：本地 Markdown、GitHub 仓库、腾讯云 COS。

Spring AI Alibaba 方案：

// 读取本地 MarkdownMarkdownDocumentReader mdReader = new MarkdownDocumentReader( "classpath:仙逆/全文.md", MarkdownDocumentReaderConfig.builder() .withAdditionalMetadata("source", "本地归档") .build());// 读取 GitHub 仓库中的仙逆百科（Alibaba 社区插件）// GitHubDocumentReader githubReader = new GitHubDocumentReader(// "github.com/xianni-fans/wiki", "main", "docs/");// -> 自动获取仓库文件转为 Document 列表// 读取腾讯云 COS 中的仙逆音频字幕// TencentCosDocumentReader cosReader = ... // Alibaba 社区插件

LangChain4j 方案：

// 读取本地 MarkdownDocument mdDoc= FileSystemDocumentLoader.loadDocument( Path.of("D:/仙逆/全文.md"), new MarkdownDocumentParser());// 读取 GitHub 仓库GitHubDocumentLoader ghLoader= GitHubDocumentLoader.builder() .gitHubToken(System.getenv("GITHUB_TOKEN")) .owner("xianni-fans") .repository("wiki") .branch("main") .build();List<Document> ghDocs = ghLoader.loadDocuments("docs/", new TextDocumentParser());// 读取腾讯云 COSTencentCosDocumentLoader cosLoader= TencentCosDocumentLoader.builder() .secretId(System.getenv("COS_SECRET_ID")) .secretKey(System.getenv("COS_SECRET_KEY")) .region("ap-beijing") .bucketName("xianni-rag") .build();List<Document> cosDocs = cosLoader.loadDocuments("novels/");

三、文档解析（Parse → Document 对象）

读取文件后，需要将原始字节/文本解析为统一的Document对象（包含 content + metadata）。

3.1 Spring AI

3.2 LangChain4j

3.3 《仙逆》场景对比

四、文本分段（Transform）

这是两框架差异最大的环节。

4.1 Spring AI

4.2 LangChain4j

4.3 分段策略对比

4.4 《仙逆》分段效果对比

对以下《仙逆》原文分别用两框架分段：

王林自封修为，在落月村化身木匠陪伴儿子王平七十二年。这七十二年里，王平三次问父亲能不能修道，次次被拒绝。化神先化凡，这是化神期的关键一步。雷道子看穿王平怨婴体质，要拿他炼器。王林解开封印，以问鼎中期修为越级斩杀阴虚强者。

Spring AI TokenTextSplitter（chunkSize=30 tokens）：

块 1: "王林自封修为，在落月村化身木匠陪伴儿子王平七十二年。"块 2: "这七十二年里，王平三次问父亲能不能修道，次次被拒绝。"块 3: "化神先化凡，这是化神期的关键一步。"块 4: "雷道子看穿王平怨婴体质，要拿他炼器。王林解开封印，以问鼎中期修为越级斩杀阴虚强者。"

LangChain4j recursive（maxSegmentSizeInTokens=30）：

块 1: "王林自封修为，在落月村化身木匠陪伴儿子王平七十二年。"块 2: "这七十二年里，王平三次问父亲能不能修道，次次被拒绝。"块 3: "化神先化凡，这是化神期的关键一步。雷道子看穿王平怨婴体质，要拿他炼器。"块 4: "王林解开封印，以问鼎中期修为越级斩杀阴虚强者。"

LangChain4j 递归分段在句号处更灵活——块 3/4 的切分位置因剩 7 个 token 而选择合并到前一句，避免了孤立碎片。

五、文档清洗（Transform）

5.1 Spring AI

Spring AI暂无内置的文档清洗 Transformer。如果 PDF 含页眉页脚或噪声文本，需自行实现DocumentTransformer接口或在上游用 Tika 做预处理。

5.2 LangChain4j

LangChain4j 提供了HtmlToTextDocumentTransformer——将 HTML 内容转为纯文本，去除 HTML 标签和格式噪音：

// 清洗《仙逆》百科的 HTML 页面DocumentTransformer cleaner = new HtmlToTextDocumentTransformer();List<Document> rawDocs = UrlDocumentLoader.loadDocuments( "https://xianni.fandom.com/wiki/王林", new TextDocumentParser());List<Document> cleanDocs = cleaner.apply(rawDocs);// 转换前：<div class="infobox">王林，主角...<br/><b>修为</b>：踏天境</div>// 转换后：王林，主角...修为：踏天境

六、元数据加工（Transform）

6.1 Spring AI

Spring AI 在这一环节提供了最完整的内置支持——三个专用 Enricher：

6.2 LangChain4j

LangChain4j 不提供现成的 Enricher 类，但通过DocumentTransformer和TextSegmentTransformer两个函数式接口，可以完全自由地实现自定义逻辑：

// 用 LangChain4j 实现等效的《仙逆》关键词提取EmbeddingStoreIngestor ingestor= EmbeddingStoreIngestor.builder() .documentTransformer(document -> { // 自定义：为仙逆人物档案补充元数据 String content= document.text(); if (content.contains("王林")) { document.metadata().put("character", "王林"); } if (content.contains("落月村") || content.contains("化凡")) { document.metadata().put("topic", "化凡"); } return document; }) .textSegmentTransformer(textSegment -> { // 自定义：检索时将文件名注入文本段，提升检索质量 String fileName= textSegment.metadata().getString("file_name"); return TextSegment.from(fileName + "\n" + textSegment.text(), textSegment.metadata()); }) .embeddingModel(embeddingModel) .embeddingStore(embeddingStore) .build();

6.3 元数据加工对比

七、完整功能矩阵

八、《仙逆》场景的技术选型

九、总结

核心结论只有几条：

• •数据源选 Spring AI Alibaba——如果你需要接语雀/飞书/B站/MySQL 等国内平台，LangChain4j 完全覆盖不到。
• •分段策略选 LangChain4j——7 种分段器 + 递归策略，比 Spring AI 的选择更多更细。
• •元数据加工选 Spring AI——三个 Enricher 开箱即用，LangChain4j 需全部手动实现。
• •管道串联选 LangChain4j——EmbeddingStoreIngestor声明式构建，代码量更少。
• •不要为某单一能力强行迁就框架——两框架的Document和VectorStore抽象高度相似，可以在读取阶段用 Spring AI Alibaba 的 Reader，在分段阶段用 LangChain4j 的 Splitter，最终都用 pgvector 存储——关键在于Document对象本身可以互相转换（都是 content + metadata 的键值对）。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】