📄️ 聊天与语言模型
本页描述的是低级 LLM API。
📄️ 聊天记忆
手动维护和管理ChatMessage是很麻烦的。
📄️ 模型参数
根据您选择的模型和提供商，您可以调整许多参数，这些参数将定义：
📄️ 响应流式输出
本页介绍使用底层 LLM API 进行响应流式输出。
📄️ AI 服务
到目前为止，我们介绍的都是 ChatModel、ChatMessage、ChatMemory 等底层组件。
📄️ Agent 与 Agentic AI
本节介绍如何使用 langchain4j-agentic 模块构建 Agentic AI 应用。请注意，整个模块均属于实验性功能，未来版本可能会发生变化。
📄️ 工具（函数调用）
除了生成文本外，部分 LLM 还能触发操作。
📄️ RAG（检索增强生成）
LLM 的知识仅限于其训练数据。
📄️ 结构化输出（Structured Outputs）
术语 “Structured Outputs” 含义较广，可能指两件事：
📄️ 护栏（Guardrails）
护栏是一项实验性功能。其 API 与行为可能在未来版本中发生变化。
📄️ 分类
概述
📄️ 嵌入（向量）存储
关于嵌入存储的文档可以在这里找到。
📄️ 构建 Java MCP stdio 服务端
LangChain4j 提供用于连接 MCP 服务端的 MCP 客户端（langchain4j-mcp）。
📄️ 图像模型
更多信息即将推出
📄️ Micronaut 集成
Micronaut 为 LangChain4j 提供了 Micronaut 模块。
📄️ Quarkus 集成
Quarkus 为 LangChain4j 提供了一个出色的扩展。
📄️ Spring Boot 集成
LangChain4j 为以下内容提供了 Spring Boot starters：
📄️ Helidon 集成
Helidon 提供了 LangChain4j 集成模块，可在利用 Helidon 编程模型与风格的同时，简化 AI 驱动应用的构建。
📄️ Kotlin 支持
Kotlin 是一种针对 JVM（和其他平台）的静态类型语言，能够编写简洁优雅的代码，并与 Java 库实现无缝互操作。
📄️ 日志记录
LangChain4j 使用 SLF4J 进行日志记录，
📄️ JSON Codec
LangChain4j 内置了一个内部 JSON 序列化器（默认使用 Jackson），供「工具（tools）」和「结构化输出（structured output）」功能使用。
📄️ 可观测性
AI 服务可观测性
📄️ Skills
Skills API 目前仍处于实验阶段。API 与行为可能在后续版本中发生变化。
📄️ 可自定义的 HTTP 客户端
一些 LangChain4j 模块（目前包括 OpenAI 和 Ollama）支持自定义用于调用 LLM 提供商 API 的 HTTP 客户端。
📄️ 测试与评估
示例
📄️ Payara Micro 集成
LangChain4j 可以无缝集成到 Payara Micro 应用中，利用 Jakarta EE 和 MicroProfile 的标准特性进行依赖注入与配置管理。
📄️ 模型上下文协议（MCP）
LangChain4j 支持模型上下文协议（MCP），用于与可提供并执行工具的