langchain4j 1.0.0-beta1¶
为什么要使用langchain4j¶
在当今这个信息爆炸的时代，开发者们面临着一个巨大的挑战：如何快速而高效地构建智能应用程序。langchain4j的出现，正是为了应对这一挑战。它不仅提供了强大的功能，还能帮助开发者在复杂的环境中游刃有余。然而，随着技术的不断演进，许多开发者却发现，传统的工具和框架已经无法满足他们的需求。langchain4j的灵活性和可扩展性，恰恰解决了这一矛盾，使得开发者能够在快速变化的市场中保持竞争力。
langchain4j是什么¶
langchain4j是一个开源的Java库，旨在简化构建基于语言模型的应用程序的过程。它提供了一系列工具和API，使开发者能够轻松集成和使用各种语言模型，支持多种数据源和处理方式。通过langchain4j，开发者可以快速构建聊天机器人、文本生成器等智能应用，提升开发效率。
入门示例¶
想象一下，你是一名开发者，正在为一家在线客服公司构建一个智能聊天机器人。使用langchain4j，你可以轻松实现这一目标。首先，你需要在项目中引入langchain4j的依赖。接下来，使用以下代码创建一个简单的聊天模型：
ChatLanguageModel chatModel = new ChatLanguageModel();
String response = chatModel.chat("你好，今天的天气怎么样？");
System.out.println(response);
通过这段代码，你的聊天机器人就能快速响应用户的询问，提供实时的信息。这只是langchain4j的一个简单示例，实际上它的功能远不止于此。
langchain4j 1.0.0-beta1版本更新了什么¶
在1.0.0-beta1版本中，langchain4j进行了多项重要更新，包括：弃用旧的生成API，推出新的聊天API；开始将模块与OkHttp客户端解耦，提升了灵活性；支持OpenAI的O1/O3模型和音频输入；增强了Azure OpenAI的结构化输出支持；并引入了可定制的HTTP客户端。这些更新将极大地提升开发者的使用体验。
更新日志¶
公告¶
- 我们将弃用旧的
ChatLanguageModel.generate(...)和StreamingChatLanguageModel.generate(...)API，转而使用新的ChatLanguageModel.chat(...)和StreamingChatLanguageModel.chat(...)API。我们计划在接下来的版本中完全迁移所有聊天模型集成到新的chat()API。如果您有任何疑虑或意见，请与我们联系。 - 我们已开始将模块与OkHttp客户端解耦。Ollama是此次发布中第一个迁移的模块。当使用
langchain4j-ollama依赖时，Ollama*Model现在默认使用JDK的HttpClient。当使用langchain4j-ollama-spring-boot-starter依赖时，Ollama*Model现在使用Spring的RestClient。此更改减少了不必要的依赖，启用了开箱即用的可观察性，并使自定义支持的HTTP客户端或集成其他HTTP客户端变得简单。我们计划在未来的版本中迁移其他几个模块（如OpenAI、Anthropic、Mistral、Hugging Face等）。如果您有任何疑虑或意见，请与我们联系。
显著变化¶
- OpenAI:
- 确保支持O1/O3模型。
- 支持音频输入。
- Azure OpenAI: 支持流模式下的结构化输出。
- AWS Bedrock:
- 支持对话API。
- 支持Cohere嵌入。
- 可定制的HTTP客户端。
- 引入模型上下文协议。
- 改进错误处理和集成测试。
重大变化¶
- 移除了
OpenAiChatModel和OpenAiStreamingChatModel的默认值。 - 将
Document和Content转换为接口。 - 在流式传输中发生错误时，不再传播部分响应。
潜在重大变化¶
- Ollama: 从OkHttp迁移到JDK的
HttpClient和Spring的RestClient。 - Chroma: 从Gson迁移到Jackson。
- Vespa: 从Gson迁移到Jackson。
Spring Boot集成中的更新¶
- 详见 Spring Boot更新日志。
其他变化¶
- 更新了多个依赖项，修复了若干bug，改进了文档。
总结¶
在1.0.0-beta1版本中，langchain4j进行了多项重要更新，旨在提升开发者的使用体验和灵活性。这些更新不仅包括API的改进，还涵盖了对多个模块的解耦和增强功能的支持，为构建基于语言模型的应用程序提供了更强大的工具。