langchain4j-examples

照着跑通示例,快速把大模型接进 Java 项目

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 开发框架 🍴 复刻 682 🐛 待处理 46 👀 关注 26
GitHub ↗
GitHub 星标 ★ 1917
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源免费示例代码,需自行部署

项目预览

langchain4j-examples 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类开发框架
开发团队langchain4j
定价模式🏷️完全免费
价格说明开源免费示例代码,需自行部署
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Java
GitHub 星标★ 1917
上线时间2023-06-20 00:00:00
代码更新2026-10-28
仓库体积2.5 MB
本站数据更新2026-11-03
维护状态活跃
收录时间2026-09-12
浏览次数3

项目介绍

langchain4j-examples 是 LangChain4j 官方维护的示例代码仓库,用大量可运行的 Java 小项目演示如何把大语言模型接入 Java 应用。它解决的核心问题是:LangChain4j 本身 API 较多、概念(ChatLanguageModel、EmbeddingStore、AiServices、Tools、RAG 等)对新手不直观,官方文档偏抽象,开发者难以上手。该仓库按主题拆分目录,覆盖 OpenAI、Azure OpenAI、Ollama、Anthropic、Google Gemini 等模型接入,以及提示词模板、结构化输出、函数调用/工具、对话记忆、文档加载与切分、向量库检索增强生成(RAG)、图像生成、流式响应等常见能力,每个示例都尽量保持最小可运行,方便直接复制改造。对 Java 团队来说,它相当于一份可执行的入门教程和 API 速查手册,能显著缩短从零搭建 LLM 应用的试错时间。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-09-12 · 当前星标 ★ 1917

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 10 分钟 部署方式:本地安装 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Git(用于克隆示例仓库)
  • Java 运行环境(JDK,项目为 Java 示例)
  • 网络可访问 GitHub,以便克隆仓库并提交 issue

安装与启动步骤

  1. 1克隆示例仓库

    把官方示例仓库完整下载到本地。仓库体积较大,克隆时请保持网络稳定。

    git clone https://github.com/langchain4j/langchain4j-examples.git
  2. 2进入仓库目录

    切换到刚克隆下来的仓库根目录,后续所有浏览和运行操作都在此目录下进行。

    cd langchain4j-examples
  3. 3查看教程示例

    README 推荐从 tutorials 目录入手,可先列出源码文件了解示例组织方式。

    ls tutorials/src/main/java
  4. 4查看其它示例目录

    README 还给出 other-examples(更多示例)与 rag-examples(高级 RAG 技巧)两个推荐入口。

    ls other-examples/src/main/java
  5. 5挑选示例阅读运行

    按主题进入对应子目录,用 IDE 打开该 Java 示例并运行;不同示例依赖的模型服务不同,需按示例内容自行准备。

如何确认成功

克隆完成后能在本地看到 tutorials、other-examples、rag-examples 等目录及其 Java 源码,即表示准备就绪。

常见问题

Q:从哪里开始看示例最合适?

A:README 建议从 tutorials/src/main/java 的教程开始,之后再看 other-examples、rag-examples,以及带记忆、工具和 RAG 的客服 agent 示例。

Q:还有更多社区示例吗?

A:有,README 指向社区示例仓库 langchain4j-community-examples,可作为官方示例的补充。

Q:遇到问题或想提需求怎么办?

A:README 说明可到 langchain4j 主仓库的 issue 页面提交:https://github.com/langchain4j/langchain4j/issues/new/choose。

Q:README 里没写安装命令怎么办?

A:该仓库是示例代码集合,README 未给出统一安装步骤,需自行按示例所在模块逐个打开阅读和运行。

注意事项

  • README 节选未提供任何安装或运行命令,本教程步骤仅为克隆与浏览的通用准备动作。
  • 各示例依赖的模型服务(如 OpenAI、Azure OpenAI、Ollama、Anthropic、Google Gemini 等)需自行准备访问凭证,具体以示例代码为准。
  • 本仓库只是示例集合,本身不是可直接部署的服务,无需配置端口或启动脚本。

核心亮点

  • 覆盖模型接入、RAG、工具调用、记忆、流式输出等主流场景,示例按主题分目录,查找方便
  • 每个示例保持最小可运行,依赖和配置清晰,适合直接复制到自己的项目里改造
  • 与 LangChain4j 主库同步更新,能第一时间反映新 API 和最佳实践

不足之处

  • 示例偏教学,缺少生产级的错误处理、重试、限流和可观测性示范
  • 部分示例依赖外部 API Key 或本地模型服务,环境准备成本较高

适用场景

  • Java 后端团队首次评估 LangChain4j 时快速跑通 Demo
  • 需要给现有 Spring Boot 服务接入对话、RAG 或工具调用能力时参考实现
  • 教学或内部分享中作为可运行的 LLM 应用示例素材

替代项目

spring-ai、langchain

上一篇:langchainjs

下一篇:docs

同类项目推荐

code-context-engine 开源

索引代码库,让 AI 搜索而非读文件,省 94% token。

Save 94% on AI coding tokens. Index your codebase, agents search instead of reading ···

★ 444 2026-08-09
streamdown 开源

AI 流式输出 Markdown,边生成边稳定渲染不闪烁

A drop-in replacement for react-markdown, designed for AI-powered streaming.

★ 5744 2026-10-08
grace 开源

用函数式语言写提示,把散乱 prompt 变成可组合程序

A prompt engineering functional programming language

★ 623 2026-09-16
swarmauri-sdk 开源

模块化 AI 智能体 SDK,快速组装 LLM 应用

Modular Python SDK and monorepo for AI agents, LLM integrations, tools, parsers, emb···

★ 105 2026-08-09
comfyui-tooling-nodes 开源

把 ComfyUI 变成外部工具的图像处理后端,免去文件上传下载,直接传图拿结果。

Nodes for using ComfyUI as a backend for external tools. Send and receive images dir···

★ 681 2026-08-09
swytchcode-examples 开源

多模型多智能体接入示例,拿来就能跑

Swytchcode demo projects with different agents

★ 406 2026-09-13
canopy 开源

用 Pinecone 快速搭建生产级 RAG 问答应用,省去管道搭建烦恼。

Retrieval Augmented Generation (RAG) framework and context engine powered by Pinecon···

★ 1034 2026-08-09
griptape 开源

用 Python 模块化搭建 AI 智能体,搞定复杂工作流。

Modular Python framework for AI agents and workflows with chain-of-thought reasoning···

★ 2584 2026-08-09