当前位置：首页 > news >正文

LangChain4j AiServices 机制详解：快速构建智能体应用

news 2026/6/2 6:17:16

1. 引言

在前面的文章中，我们深入探讨了 LangChain4j 中的 Tools 机制，了解了如何让大模型调用本地方法。然而，在实际开发中，我们往往需要将 ChatLanguageModel、ChatMessage、ChatMemory、Tools 等多个组件整合起来，才能构建一个功能完整的智能体应用。如果每次都要手动编排这些组件，开发效率会非常低下。

LangChain4j 提供了一个强大的上层抽象——AiServices，它通过代理模式，将这些基础组件无缝整合，让我们能够以极低的代码量快速构建出功能强大的 AI 服务。本文将带你从零开始，一步步掌握 AiServices 的核心用法，并深入其源码，理解其背后的工作原理。

2. 什么是 AiServices？

简单来说，AiServices是 LangChain4j 提供的一个服务构建器，它允许你通过定义一个 Java 接口来描述 AI 服务的行为，然后自动生成该接口的代理实现。这个代理对象会负责与大模型进行交互，并自动处理消息的组装、记忆的管理以及工具的调用。

核心优势：

极简开发：通过接口定义，告别繁琐的底层 API 调用。
组件整合：轻松整合ChatMemory、Tools、SystemMessage等核心组件。
多用户支持：内置对多用户会话隔离的支持。

3. 快速入门：构建你的第一个 AiServices 代理

让我们从一个最简单的例子开始。假设我们想让大模型扮演一个作家，根据给定的题目写一篇短文。

首先，定义一个接口：

interfaceWriter{Stringwrite(Stringtopic);}

然后，使用AiServices创建代理并调用：

ChatLanguageModelmodel=ModelUtil.getZhipuAIModel();// 获取模型，过程略Writerwriter=AiServices.create(Writer.class,model);Stringcontent=writer.write("我最感谢的人");System.out.println(content);

运行这段代码，大模型就会根据“我最感谢的人”这个题目，生成一篇短文。这就是 AiServices 的第一个作用：通过接口代理，快速完成与大模型的交互。

4. 进阶用法：整合核心组件

上面的例子虽然简单，但生成的作文往往比较粗糙。接下来，我们将逐步整合@SystemMessage、ChatMemory和Tools，让我们的“作家”变得更智能。

4.1 通过 @SystemMessage 增加系统提示词

为了让大模型更好地理解我们的需求，我们可以通过@SystemMessage注解来设定系统提示词。

interfaceWriter{@SystemMessage("你是一名作家，根据输入的题目写一篇200字以内的作文")Stringwrite(Stringtopic);}

这样，每次调用write()方法时，LangChain4j 都会自动将SystemMessage和用户输入的UserMessage组合发送给大模型，从而得到更符合预期的结果。

你还可以通过@V注解，让系统提示词支持动态参数：

interfaceWriter{@SystemMessage("你是一名作家，写一篇作文，题目是{{title}},字数不超过{{count}}个字")Stringwrite(@UserMessageStringmessage,@V("title")Stringtitle,@V("count")Longcount);}

注意：当方法参数使用了@V注解后，必须有一个参数带有@UserMessage注解，或者方法只有一个参数时，该参数默认作为UserMessage处理。

4.2 整合 ChatMemory 和 Tools

AiServices提供了一个Builder组件，可以方便地整合ChatMemory和Tools。

interfaceAssistant{Stringchat(@MemoryIdLonguserId,@UserMessageStringmessage);}@Tool("获取当前日期")publicstaticStringdateUtil(){returnLocalDateTime.now().toString();}publicstaticvoidmain(String[]args){ChatLanguageModelmodel=ModelUtil.getZhipuAIModel();ChatMemorychatMemory=MessageWindowChatMemory.withMaxMessages(10);ToolSpecificationtoolSpecification=ToolSpecifications.toolSpecificationFrom(UserAiService.class.getMethod("dateUtil"));Assistantassistant=AiServices.builder(Assistant.class).chatLanguageModel(model).chatMemoryProvider(memoryId->MessageWindowChatMemory.withMaxMessages(10)).tools(toolSpecification).build();// 与用户1的交互System.out.println(">>>"+assistant.chat(1L,"你好，我是楼兰"));System.out.println(">>>"+assistant.chat(1L,"我的名字是什么"));// 与用户2的交互System.out.println(">>>"+assistant.chat(2L,"你好，我是老王"));System.out.println(">>>"+assistant.chat(2L,"我的名字是什么"));}

关键点：

@MemoryId：用于标识不同的用户会话。AiServices会根据memoryId自动管理不同用户的聊天记录，实现多用户隔离。
chatMemoryProvider：相比于直接设置chatMemory，使用chatMemoryProvider可以更灵活地为每个用户创建独立的记忆空间。

5. AiServices 重点源码解读

理解源码有助于我们更好地掌握 AiServices 的细节。其核心在于 JDK 动态代理。

5.1 代理对象的创建

AiServices创建服务接口代理对象的核心方法在DefaultAiServices中，它通过 JDK 的Proxy.newProxyInstance创建接口代理。

// dev.langchain4j.service.DefaultAiServices#buildObjectproxyInstance=Proxy.newProxyInstance(context.aiServiceClass.getClassLoader(),newClass<?>[]{context.aiServiceClass},newInvocationHandler(){// 核心业务方法@OverridepublicObjectinvoke(Objectproxy,Methodmethod,Object[]args)throwsThrowable{// ... 处理 @SystemMessage, @UserMessage, ChatMemory, Tools 等}});

5.2 核心执行流程

当调用代理对象的方法时，InvocationHandler的invoke方法会被触发，其大致流程如下：

解析注解：解析方法上的@SystemMessage、@UserMessage、@V等注解，以及参数上的@MemoryId、@V等注解。
构建消息：根据注解和传入的参数，构建SystemMessage和UserMessage对象。
管理记忆：根据@MemoryId从ChatMemoryProvider中获取或创建对应的ChatMemory对象，并将历史消息加载到上下文中。
准备工具：获取通过Builder注册的ToolSpecification列表。
调用模型：将消息、记忆和工具信息一并发送给ChatLanguageModel。
处理工具调用：如果模型返回了工具调用请求，则执行对应的本地方法，并将结果作为新的消息再次发送给模型，直到模型返回最终文本结果。
保存记忆：将本次交互的消息保存到ChatMemory中。
返回结果：将模型的最终文本结果返回给调用方。