LangChain4j 的目标是简化 LLM 与 Java 应用程序的集成。

官网、源码、官方教程、ApiDoc、示例

RAG

实战案例(内含源码)

1. 第一个示例(免费调用gpt-4o-mini)
2. 调用DeepSeek
3. 调用QWen
4. 调用Ollama本地大模型,Chat+流式
5. 调用QWen万相大模型实现文生图
6. 文件加载与解析
7. 函数调用 （ToolSpecification、AIServices）
8. 不建议直接使用Chain
9. RAG检索增强
10. LangChain4j实战：嵌入与向量模型详解——为RAG系统打好基础
11. Redis向量存储
12. MCP使用入门playwright、https://mp.weixin.qq.com/s/WXYvc_HmIObJaoqxkR3RCw
13. 借助Playwright快速生成文章摘要，堪比Cursor中的@Web功能
14. LangChain4j+ReAct
15. 一步步调试分析AiServices 源码
16. 读懂用户意图并提取关键信息
17. 面试官懵了：我用 LangChain4j 搞了3个AI面试官，并行打分效率飞起！