企业官网建设流程全解析

邹城建网站,咸阳免费做网站,门户网站那个程序比较,网站里的动画是什么软件做的今天的文章#xff0c;将讲解利用Spring Boot和LangChina4j实现多工具调用和RAG检索增强的实践。01 — 系统架构全景图核心逻辑流程#xff1a; 用户输入问题 → 2. RAG检索相关知识 → 3. 判断是否需要工具调用 → 4. 结合知识库和工具结果 → 5. 生成最终回答02 — 依赖及程…今天的文章将讲解利用Spring Boot和LangChina4j实现多工具调用和RAG检索增强的实践。01 — 系统架构全景图核心逻辑流程用户输入问题 → 2. RAG检索相关知识 → 3. 判断是否需要工具调用 → 4. 结合知识库和工具结果 → 5. 生成最终回答02 — 依赖及程序配置1.Maven依赖配置pom.xml!-- Spring Boot Starter -- dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-spring-boot-starter/artifactId version1.10.0-beta18/version /dependency !-- OpenAI 兼容 API -- dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-open-ai-spring-boot-starter/artifactId version1.10.0-beta18/version /dependency !-- langChain4j自带内存向量存储用于RAG -- dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-embeddings-all-minilm-l6-v2/artifactId version1.10.0-beta18/version /dependency dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-core/artifactId version1.10.0/version /dependency !-- 本地 ONNX -- dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-embeddings/artifactId version1.10.0-beta18/version /dependency配置说明Spring Boot 3.2.6提供Web框架支持LangChain4j 1.10.0-beta18实现AI对话核心功能使用自带AllMiniLML6V2作为默认的文本embedding模型可以使用本地下载的embedding模型2.程序配置application.ymlspring: application: name: LangChain4jRAG langchain4j: open-ai: chat-model: api-key: 自己的key # Kimi?API?? base-url: https://api.moonshot.cn/v1 # Kimi API?? model-name: kimi-k2-0905-preview # ???? temperature: 0.7 max-tokens: 2000 timeout: 60s log-requests: true log-responses: true embedding-model: #embedding模型配置 api-key: dfgegggegegeggegeg #假的api-key真实使用时需替换 model-name: text-embedding-ada-002 timeout: 60s memory: chat-memory-store: type: in-memory chat-memory: max-messages: 20 server: port: 8080 logging: level: dev.langchain4j: DEBUG com.example.langchain4jdev: DEBUG03—对话记忆管理配置聊天记忆配置ChatMemoryConfig.javapackage com.example.langchain4jrag.config; import dev.langchain4j.memory.chat.ChatMemoryProvider; import dev.langchain4j.memory.chat.MessageWindowChatMemory; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; Configuration public class ChatMemoryConfig { Bean public ChatMemoryProvider chatMemoryProvider() { // 创建基于消息窗口的聊天记忆 // 每个会话独立存储保留最近10条消息 return memoryId - MessageWindowChatMemory.builder() .maxMessages(10) // 最大消息数 .id(memoryId) // 会话ID .build(); } }核心功能会话隔离每个用户/对话拥有独立的记忆空间窗口限制只保留最近10条消息避免内存无限增长自动管理系统自动处理消息的存储和清理04 — RAG知识库构建1.RAG配置RagConfig.javapackage com.example.langchain4jrag.config; import dev.langchain4j.data.document.Document; import dev.langchain4j.data.document.splitter.DocumentSplitters; import dev.langchain4j.model.embedding.EmbeddingModel; import dev.langchain4j.model.embedding.onnx.allminilml6v2.AllMiniLmL6V2EmbeddingModel; import dev.langchain4j.rag.content.retriever.EmbeddingStoreContentRetriever; import dev.langchain4j.store.embedding.EmbeddingStore; import dev.langchain4j.store.embedding.inmemory.InMemoryEmbeddingStore; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; Configuration public class RagConfig { // 嵌入模型将文本转换为向量 Bean public EmbeddingModel embeddingModel() { System.out.println(✅ 加载 AllMiniLmL6V2 嵌入模型); return new AllMiniLmL6V2EmbeddingModel(); } // 向量存储存储和检索文本向量 Bean public EmbeddingStoreTextSegment embeddingStore(EmbeddingModel embeddingModel) { EmbeddingStoreTextSegment embeddingStore new InMemoryEmbeddingStore(); // 构建默认知识库 String defaultKnowledge 智能助手功能说明 1. 天气查询可以查询北京、上海等城市的天气 2. 数学计算可以进行加减乘除运算 3. 时间查询可以获取当前时间 公司信息 - 名称AI教育科技公司 - 业务人工智能培训、技术咨询 - 成立时间2023年 ; // 分割文档并向量化存储 Document document Document.from(defaultKnowledge); ListTextSegment segments DocumentSplitters.recursive(300, 50).split(document); for (TextSegment segment : segments) { Embedding embedding embeddingModel.embed(segment).content(); embeddingStore.add(embedding, segment); } System.out.println(✅ 知识库加载完成共 segments.size() 个片段); return embeddingStore; } // 内容检索器从向量库中查找相关内容 Bean public EmbeddingStoreContentRetriever contentRetriever( EmbeddingStoreTextSegment embeddingStore, EmbeddingModel embeddingModel) { return EmbeddingStoreContentRetriever.builder() .embeddingStore(embeddingStore) .embeddingModel(embeddingModel) .maxResults(3) // 最多返回3个相关片段 .minScore(0.5) // 相似度阈值0.5以上 .build(); } }2.RAG工作流程文档加载→ 2.文本分割→ 3.向量化→ 4.向量存储→ 5.相似度检索→ 6.结果返回05 — 工具系统1.天气查询工具WeatherTools.javapackage com.example.langchain4jrag.tools; import dev.langchain4j.agent.tool.Tool; import org.springframework.stereotype.Component; import java.util.Map; Component public class WeatherTools { Tool(查询指定城市的天气情况) public String getWeather(String city) { // 模拟天气数据实际项目可接入天气API MapString, String weatherData Map.of( 北京, 北京晴25°C湿度45%北风3级, 上海, 上海多云28°C湿度65%东南风4级, 广州, 广州阵雨30°C湿度80%南风2级 ); return weatherData.getOrDefault(city, 暂时没有 city 的天气数据请尝试其他城市); } }2.计算器工具CalculatorTools.javapackage com.example.langchain4jrag.tools; import dev.langchain4j.agent.tool.Tool; import org.springframework.stereotype.Component; Component public class CalculatorTools { Tool(执行四则运算加(add/)、减(subtract/-)、乘(multiply/*)、除(divide/)) public double calculate(String operation, double a, double b) { switch (operation.toLowerCase()) { case add: case : return a b; case subtract: case -: return a - b; case multiply: case *: return a * b; case divide: case /: if (b 0) throw new IllegalArgumentException(除数不能为零); return a / b; default: throw new IllegalArgumentException(不支持的操作: operation); } } Tool(计算圆的面积) public double calculateCircleArea(double radius) { return Math.PI * radius * radius; } }3.时间工具DateTimeTools.javapackage com.example.langchain4jrag.tools; import dev.langchain4j.agent.tool.Tool; import org.springframework.stereotype.Component; import java.time.LocalDateTime; import java.time.format.DateTimeFormatter; Component public class DateTimeTools { Tool(获取当前日期和时间) public String getCurrentDateTime() { return LocalDateTime.now().format( DateTimeFormatter.ofPattern(yyyy年MM月dd日 HH:mm:ss) ); } Tool(计算两个日期之间的天数差日期格式yyyy-MM-dd) public int calculateDaysBetween(String startDate, String endDate) { try { java.time.LocalDate start java.time.LocalDate.parse(startDate); java.time.LocalDate end java.time.LocalDate.parse(endDate); long days java.time.temporal.ChronoUnit.DAYS.between(start, end); return Math.abs((int) days); } catch (Exception e) { return -1; // 表示计算失败 } } }工具系统特点注解驱动使用Tool注解声明工具函数自动注册Spring自动扫描并注册工具类型安全强类型参数和返回值错误处理内置异常处理和默认值06 — 服务层助手接口定义Assistant.javapackage com.example.langchain4jrag.service; import dev.langchain4j.service.MemoryId; import dev.langchain4j.service.SystemMessage; import dev.langchain4j.service.UserMessage; import dev.langchain4j.service.spring.AiService; AiService public interface Assistant { SystemMessage( 你是一个智能助手具备以下功能 1. 使用天气工具查询城市天气 2. 使用计算器工具进行数学计算 3. 使用时间工具获取时间和计算日期 如果用户问题涉及上述功能请使用相应工具。 其他问题请基于你的知识库和通用知识回答。 回答时请简洁明了一次回答一个问题。 ) String chat(MemoryId String sessionId, UserMessage String message); }注解说明AiService声明这是AI服务接口SystemMessage系统提示词指导AI行为MemoryId标识会话ID用于记忆管理UserMessage用户输入的消息07 — REST API控制器控制器实现AssistantController.javapackage com.example.langchain4jrag.controller; import com.example.langchain4jrag.service.Assistant; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.*; import java.util.UUID; RestController RequestMapping(/api/assistant) public class AssistantController { Autowired private Assistant assistant; // 现有会话聊天 GetMapping(/chat) public String chat(RequestParam String message, RequestParam(defaultValue default) String sessionId) { return assistant.chat(sessionId, message); } // 创建新会话 PostMapping(/chat/new) public String startNewChat(RequestBody String message) { String newSessionId UUID.randomUUID().toString(); String response assistant.chat(newSessionId, message); return String.format( 新会话ID: %s 助手回答: %s , newSessionId, response); } // 批量处理消息 PostMapping(/chat/batch) public ListString batchChat(RequestBody ListString messages, RequestParam String sessionId) { ListString responses new ArrayList(); for (String message : messages) { responses.add(assistant.chat(sessionId, message)); } return responses; } }API端点GET /api/assistant/chat- 现有会话聊天POST /api/assistant/chat/new- 创建新会话POST /api/assistant/chat/batch- 批量处理消息08 — 知识库09 — 测试在浏览器中输入http://localhost:8080/chat?message你是谁系统会去知识库检索然后回答我是大模型应用开发软件工程大三爱好踢足球天气3.http://localhost:8080/chat?message刚才我们都聊了什么我们刚才的对话记录 1. 你问我是谁我自我介绍是“大模型应用开发软件工程大三爱好踢足球”。 2. 你让我算 1215我给出结果 27。 3. 你又问“我是谁”我重复了同样的自我介绍。那么如何系统的去学习大模型LLM作为一名深耕行业的资深大模型算法工程师我经常会收到一些评论和私信我是小白学习大模型该从哪里入手呢我自学没有方向怎么办这个地方我不会啊。如果你也有类似的经历一定要继续看下去这些问题啊也不是三言两语啊就能讲明白的。所以我综合了大模型的所有知识点给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢我就曾放空大脑以一个大模型小白的角度去重新解析它采用基础知识和实战项目相结合的教学方式历时3个月终于完成了这样的课程让你真正体会到什么是每一秒都在疯狂输出知识点。由于篇幅有限⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》扫码获取~大模型学习指南路线汇总我们这套大模型资料呢会从基础篇、进阶篇和项目实战篇等三大方面来讲解。①.基础篇基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念用最易懂的方式带你入门大模型。②.进阶篇接下来是进阶篇你将掌握RAG、Agent、Langchain、大模型微调和私有化部署学习如何构建外挂知识库并和自己的企业相结合学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。③.实战篇实战篇会手把手带着大家练习企业级的落地项目已脱敏比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等从而帮助大家更好的应对大模型时代的挑战。④.福利篇最后呢会给大家一个小福利课程视频中的所有素材有搭建AI开发环境资料包还有学习计划表几十上百G素材、电子书和课件等等只要你能想到的素材我这里几乎都有。我已经全部上传到CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】相信我这套大模型系统教程将会是全网最齐全 最易懂的小白专用课