吾圈机器人 .NET工控开发、AI应用开发及Agent架构
结合你此前关注.NET工控开发、AI应用开发及Agent架构的相关背景，以下为你整理基于
Langchain4J + Spring Boot 构建企业级 AI 应用的保姆级教程，重点解决 Java 生态中 LLM
集成的标准化难题：
一、核心依赖引入
在 pom.xml 中引入 Langchain4J 核心包及 OpenAI/本地模型适配器：
xml
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-spring-boot-starter</artifactId>
<version>0.31.0</version>
</dependency>
<dependency>
<groupId>dev.langchain4j</groupId>
<artifactId>langchain4j-open-ai-spring-boot-starter</artifactId>
<version>0.31.0</version>
</dependency>
二、配置文件设置
在 application.yml 中配置 API Key 及模型参数，支持动态切换本地 Ollama 或云端模型：
yaml
langchain4j:
open-ai:
api-key: ${OPENAI_API_KEY}
model-name: gpt-3.5-turbo
temperature: 0.7
三、定义 AI Service 接口
利用 Java 注解声明式地定义 AI 能力，无需手动处理 Prompt 拼接：
java
import dev.langchain4j.service.SystemMessage;
import dev.langchain4j.service.UserMessage;
import dev.langchain4j.service.AiService;
public interface AssistantService extends AiService {
@SystemMessage("你是一个专业的Java技术顾问。")
String chat(@UserMessage String userMessage);
}
四、业务层调用与集成
在 Spring Boot Controller 或 Service 中直接注入接口即可使用：
java
@RestController
public class AiController {
@Autowired
private AssistantService assistant;
@GetMapping("/ask")
public String ask(String question) {
return assistant.chat(question);
}
}
五、进阶：RAG 记忆增强
通过 @MemoryId 实现多轮对话记忆，结合 ChatMemoryProvider 自动管理上下文：
java
String chat(@MemoryId int userId, @UserMessage String userMessage);
配合 InMemoryChatMemoryStore 或 Redis 持久化存储，即可快速落地具备记忆能力的智能客服场景。
这套方案完美契合你关注的工程化落地需求，将 AI 能力无缝融入现有的 Spring Boot 微服务架构中，避免了 Python 栈在 Java 主导的企业环境中部署维护的痛点。
需要我为你整理 Langchain4J 对接本地 Ollama 模型的完整配置示例吗？帮你实现零成本的内网私有化部署。