一、从基础开始用HttpClient直接调用大模型在Java中调用大模型最直接、最简单的方式是什么没错就是使用HTTP客户端。因为大模型通常都提供了RESTful API我们可以直接通过发送HTTP请求来调用它们。我们以阿里云的百炼大模型为例先来看一个最基础的例子。首先你需要创建一个Spring Boot项目。然后我们可以使用Java 11中引入的HttpClient来实现调用。package cn.hollis.llm.llmentor;import java.io.IOException;import java.net.URI;import java.net.http.HttpClient;import java.net.http.HttpRequest;import java.net.http.HttpResponse;publicclassHttpClientCaller { // 替换成你的API Key privatestaticfinalStringAPI_KEY; privatestaticfinalStringAPI_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions; publicstaticvoidmain(String[] args)throws IOException, InterruptedException { // 构造请求体 StringrequestBody { model: qwen-plus, messages: [{ role: system, content: You are a helpful assistant. },{ role: user, content: 你好介绍下JAVA}], stream: true} ; // 创建HttpClient HttpClientclient HttpClient.newHttpClient(); // 构造HttpRequest HttpRequestrequest HttpRequest.newBuilder() .uri(URI.create(API_URL)) .header(Content-Type, application/json) .header(Authorization, Bearer API_KEY) .header(X-DashScope-SSE, enable) .POST(HttpRequest.BodyPublishers.ofString(requestBody)) .build(); // 发送请求并获取响应 HttpResponseString response client.send( request, HttpResponse.BodyHandlers.ofString()); // 打印响应结果 System.out.println(response.body()); }}这段代码看起来是不是很熟悉没错它和我们平时调用其他HTTP接口没什么区别。但是这种方式有一个明显的缺点代码太复杂复用性差。如果我们只是做一个简单的对话功能用这种方式还可以。但如果我们要做更复杂的功能比如RAG检索增强生成、工具调用、多轮对话记忆等那么代码就会变得非常臃肿和难以维护。二、框架赋能Spring AI LangChain4j为了解决这个问题Java社区也提供了一些优秀的框架可以帮助我们简化大模型应用开发。目前比较流行的框架主要有两个Spring AI (Alibaba)LangChain4j2.1 Spring AISpring生态的强力加持Spring AI是Spring官方为了降低Java开发者开发AI应用的成本而推出的一套组件。它让AI功能的使用变得像使用JDBC或REST Client一样自然。Spring AI提供了一整套从提示管理、输出解析、向量存储到可观测性的解决方案。它的主要功能包括• 对话客户端的API• 提示词相关• 结构化输出• 模型相关• 对话记忆• 工具调用• MCP模型配置平台• RAG检索增强生成• 向量数据库2.2 Spring AI Alibaba企业级应用的最佳选择Spring AI Alibaba是阿里云基于Spring AI构建的开源项目是阿里云通义系列模型及服务在Java AI应用开发领域的最佳实践。Spring AI Alibaba在Spring AI的基础上进行了深度增强和架构升级尤其适合需要复杂流程编排、多智能体协作、高可靠性和阿里云生态集成的生产环境。它最大的创新点是提供了基于有向图DAG 循环的工作流编排能力Graph。基于这个能力开发者可以快速构建工作流、多智能体应用无需关心流程编排、上下文记忆管理等底层实现。2.3 LangChain4jJava版的LangChainLangChain4j是LangChain的Java版本它的作用和Spring AI类似也是为了让Java开发者可以更方便地开发大模型应用。LangChain4j为开发者提供了两种层次的抽象接口低层次接口提供了大模型、提示词模版、模型记忆、向量模型、向量数据库等基础接口开发者可以灵活组合这些接口来定制自己的应用。高层次接口提供了Chains和AI Services两种高层次API让开发者可以更加关注业务逻辑而不是底层实现。三、如何选择一张图看懂三大框架能力LangChain4jSpring AISpring AI Alibaba是否依赖 Spring❌ 可独立使用✔️ 深度集成✔️ 深度集成Prompt 模板✔️ Mustache 风格✔️ 类似 Thymeleaf✔️ 继承 Spring AI结构化输出✔️ 强JSON Schema✔️ 基础支持✔️ 增强版RAG 支持✔️ 全链路✔️ 基础✔️ 企业级增强智能体Agent✔️ 内置 ReAct 等❌ 需手动实现✔️ Graph Multi-Agent工作流编排⚠️ 简单 Chain❌ 无✔️ Graph 引擎核心优势阿里云集成✔️ Qwen/DashScope❌ 无官方支持✔️ 深度集成百炼、OSS、Nacos生产可观测性⚠️ 需自行集成✔️ Micrometer✔️ ARMS/SLS 原生总结一下选择建议•非Spring的纯Java项目选LangChain4j•需要快速原型验证且熟悉LangChain概念选LangChain4j•已有Spring Boot项目只需简单LLM调用或RAG选Spring AI•构建企业级、多步骤、多角色协作的AI应用选Spring AI Alibaba•想用Java但又想要接近Python LangChain的体验LangChain4j是最佳选择结语抓住大模型时代的职业机遇AI大模型的发展不是“替代人类”而是“重塑职业价值”——它淘汰的是重复性、低附加值的工作却催生了更多需要“技术业务”交叉能力的高端岗位。对于求职者而言想要在这波浪潮中立足不仅需要掌握Python、TensorFlow/PyTorch等技术工具更要深入理解目标行业的业务逻辑如金融的风险控制、医疗的临床需求成为“懂技术、懂业务”的复合型人才。无论是技术研发岗如算法工程师、研究员还是业务落地岗如产品经理、应用工程师大模型都为不同背景的职场人提供了广阔的发展空间。只要保持学习热情紧跟技术趋势就能在AI大模型时代找到属于自己的职业新蓝海。最近两年大模型发展很迅速在理论研究方面得到很大的拓展基础模型的能力也取得重大突破大模型现在正在积极探索落地的方向如果与各行各业结合起来是未来落地的一个重大研究方向大模型应用工程师年包50w属于中等水平如果想要入门大模型那现在正是最佳时机2025年Agent的元年2026年将会百花齐放相应的应用将覆盖文本视频语音图像等全模态如果你对AI大模型入门感兴趣那么你需要的话可以点击这里大模型重磅福利入门进阶全套104G学习资源包免费分享扫描下方csdn官方合作二维码获取哦给大家推荐一个大模型应用学习路线这个学习路线的具体内容如下第一节提示词工程提示词是用于与AI模型沟通交流的这一部分主要介绍基本概念和相应的实践高级的提示词工程来实现模型最佳效果以现实案例为基础进行案例讲解在企业中除了微调之外最喜欢的就是用提示词工程技术来实现模型性能的提升第二节检索增强生成RAG可能大家经常会看见RAG这个名词这个就是将向量数据库与大模型结合的技术通过外部知识来增强改进提升大模型的回答结果这一部分主要介绍RAG架构与组件从零开始搭建RAG系统生成部署RAG性能优化等第三节微调预训练之后的模型想要在具体任务上进行适配那就需要通过微调来提升模型的性能能满足定制化的需求这一部分主要介绍微调的基础模型适配技术最佳实践的案例以及资源优化等内容第四节模型部署想要把预训练或者微调之后的模型应用于生产实践那就需要部署模型部署分为云端部署和本地部署部署的过程中需要考虑硬件支持服务器性能以及对性能进行优化使用过程中的监控维护等第五节人工智能系统和项目这一部分主要介绍自主人工智能系统包括代理框架决策框架多智能体系统以及实际应用然后通过实践项目应用前面学习到的知识包括端到端的实现行业相关情景等学完上面的大模型应用技术就可以去做一些开源的项目大模型领域现在非常注重项目的落地后续可以学习一些Agent框架等内容上面的资料做了一些整理有需要的同学可以下方添加二维码获取仅供学习使用
