
LangChain4j-for-Beginners
Java 开发者跟练,从聊天到 AI Agent 一步步上手
项目预览
项目数据
项目介绍
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 ★ 550
使用教程
环境要求
- JDK 17+
- Maven
- Azure OpenAI 凭据
安装与启动步骤
-
1稀疏检出课程
课程仓库带几十种语言的翻译,全量拉很占空间,先只取主干。
git clone --filter=blob:none --sparse https://github.com/microsoft/LangChain4j-for-Beginners -
2确认 Java 环境
需要 JDK 17 以上加 Maven,先验版本再往下走。
java -version -
3配模型凭据
课程按 Azure OpenAI 写,把端点和密钥填进环境变量或配置文件。
-
4跑第一课的示例
从最简单的单轮对话开始,跑通再往后推进。
mvn -q compile exec:java -
5按课次推进
提示词模板、记忆、工具调用、RAG 是一课一课加上去的,跳着看容易断。
如何确认成功
第一课的对话示例能编译运行,控制台打印出模型返回的回复文本
注意事项
- 这是课程仓库不是工具,价值在课次顺序和配套示例,不要当项目模板用。
- 默认按 Azure OpenAI 的接口写,接别的兼容端点要自己改客户端配置。
- 仓库自带简体中文翻译目录 translations/zh-CN,读原文吃力可以对照。
- 每课都有可运行的示例工程,跟着敲一遍比只读文档有效得多。
核心亮点
- 以 Java 为主语言,填补 Java 生态 LLM 教程空白
- 内容由浅入深,覆盖对话、RAG、工具调用到 Agent 完整链路
- 配套代码示例,可直接运行对照学习
不足之处
- 项目仍处早期,章节和示例可能不够完整
- 缺少中文文档,非英语学习者门槛较高
适用场景
- Java 后端工程师自学大模型应用开发
- 团队内部培训 LangChain4j 技术栈
- 为 Spring Boot 项目引入 AI 对话与 RAG 能力前做技术预研
替代项目
langchain4j-examples、spring-ai
同类项目推荐
courses
开源
一站式找到AI各领域优质课程,省去全网搜索时间
This repository is a curated collection of links to various courses and resources ab···
StudentAI
开源
免提示词,学生直接问,AI 秒回学习答案
StudentAI is an prompt-less AI chatbot app that uses OpenAI's large language model t···
machine-learning-systems-design
开源
从算法到系统,用练习掌握ML系统设计全流程
A booklet on machine learning systems design with exercises. NOT the repo for the bo···
mlops
开源
跟着课程把模型从 notebook 一路推到线上服务
Course on MLOps by girafe.ai team
fcc-ai-engineering-aws
开源
跟着动手实验,用Amazon Nova快速掌握RAG和智能体开发
A Practical Course on Embeddings, RAG, Multimodal Models, and Agents with Amazon Nov···
NLPBookTranslations
开源
把 LLM 权威教材翻成多语言,让学习不再卡英语
Multilingual Translations of "Foundations of Large Language Models" and NLPBook.
agent_java_offer
开源
Java后端与AI Agent面试,一库搞定系统复习
公开的 Java 后端 / AI Agent / 系统设计 / 算法面试复习资料库
deep-learning-wizard
开源
从入门到部署,用 PyTorch 搞定深度学习全流程
Open source guides/codes for mastering deep learning to deploying deep learning in p···
llm-course
开源
跟着路线图+Colab 实战,从零上手大模型
Course to get into Large Language Models (LLMs) with roadmaps and Colab notebooks.