跳到主要内容

智谱 AI

智谱 AI 是一个提供模型服务的平台，包括文本生成、文本嵌入、图像生成等。您可以参考 智谱 AI 开放平台 了解更多详情。 LangChain4j 通过使用 HTTP 端点 与智谱 AI 集成。我们正在考虑将其从 HTTP 端点迁移到官方 SDK，并感谢任何帮助！

Maven 依赖​

您可以在纯 Java 或 Spring Boot 应用程序中通过 LangChain4j 使用智谱 AI。

纯 Java​

备注

自 1.0.0-alpha1 起，langchain4j-zhipu-ai 已迁移到 langchain4j-community 并更名为 langchain4j-community-zhipu-ai

1.0.0-alpha1 之前：


<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-zhipu-ai</artifactId>
    <version>${previous version here}</version>
</dependency>

1.0.0-alpha1 及之后：


<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-community-zhipu-ai</artifactId>
    <version>${latest version here}</version>
</dependency>

或者，您可以使用 BOM 来一致地管理依赖项：


<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>dev.langchain4j</groupId>
            <artifactId>langchain4j-community-bom</artifactId>
            <version>${latest version here}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

可配置参数​

ZhipuAiChatModel​

初始化 ZhipuAiChatModel 时可配置以下参数：

属性说明默认值
baseUrl要连接的 URL。您可以使用 HTTP 或 WebSocket 连接到 DashScopehttps://open.bigmodel.cn/
apiKeyAPI Key
model要使用的模型glm-4-flash
topP核采样的概率阈值，控制模型生成文本的多样性。top_p 越高，生成文本越多样，反之亦然。取值范围：(0, 1.0]。一般建议只调整该参数或 temperature，不要同时调整。
maxRetries请求的最大重试次数3
temperature采样温度，控制模型生成文本的多样性。temperature 越高，生成文本越多样，反之亦然。取值范围：[0, 2)0.7
stops使用 stop 参数时，模型在即将生成指定字符串或 token_id 时会自动停止生成文本
maxToken本次请求返回的最大 token 数512
listeners监听请求、响应和错误的监听器
callTimeoutOKHttp 请求超时配置
connectTimeoutOKHttp 请求超时配置
writeTimeoutOKHttp 请求超时配置
readTimeoutOKHttp 请求超时配置
logRequests是否记录请求日志false
logResponses是否记录响应日志false
doSample是否使用采样。设为 false 时，模型将使用贪心解码
toolStream是否启用部分工具流式输出。设为 true 时，工具调用可增量流式返回false

ZhipuAiChatRequestParameters​

发送聊天请求时可使用 ZhipuAiChatRequestParameters 配置额外参数：

属性说明默认值
doSample是否使用采样。设为 false 时，模型将使用贪心解码
toolStream是否启用部分工具流式输出。设为 true 时，工具调用可增量流式返回false
thinking推理模式配置。type 指定推理类型，clearThinking 控制是否在响应中展示内部思考过程

ZhipuAiStreamingChatModel​

与 ZhipuAiChatModel 相同，但不包含 maxRetries。

示例​

纯 Java​

您可以使用以下代码初始化 ZhipuAiChatModel：

ChatModel model = ZhipuAiChatModel.builder()
        .apiKey("You API key here")
        .callTimeout(Duration.ofSeconds(60))
        .connectTimeout(Duration.ofSeconds(60))
        .writeTimeout(Duration.ofSeconds(60))
        .readTimeout(Duration.ofSeconds(60))
        .build();

或者针对其他参数进行更多自定义：

ChatModel model = ZhipuAiChatModel.builder()
        .apiKey("You API key here")
        .model("glm-4")
        .temperature(0.6)
        .maxToken(1024)
        .maxRetries(2)
        .callTimeout(Duration.ofSeconds(60))
        .connectTimeout(Duration.ofSeconds(60))
        .writeTimeout(Duration.ofSeconds(60))
        .readTimeout(Duration.ofSeconds(60))
        .build();

推理（Reasoning）​

您可以启用推理模式以获取模型的内部思考过程：

ChatModel model = ZhipuAiChatModel.builder()
        .apiKey("You API key here")
        .model(ChatCompletionModel.GLM_4_7)  // Use GLM-4-5 or upper model for reasoning support
        .build();

ChatResponse response = model.chat(
        ChatRequest.builder()
                .messages(UserMessage.from("What is the capital of Germany?"))
                .parameters(ZhipuAiChatRequestParameters.builder()
                        .thinking(Thinking.builder()
                                .type("reasoning")
                                .clearThinking(true)
                                .build())
                        .build())
                .build());

AiMessage aiMessage = response.aiMessage();
System.out.println("Answer: "+aiMessage.text());
System.out.println("Thinking: "+aiMessage.thinking());

部分工具调用（流式）​

您可以使用 toolStream 增量流式输出部分工具调用：

ZhipuAiStreamingChatModel model = ZhipuAiStreamingChatModel.builder()
        .apiKey("You API key here")
        .model(ChatCompletionModel.GLM_4_7)
        .build();

ToolSpecification calculator = ToolSpecification.builder()
        .name("calculator")
        .description("returns a sum of two numbers")
        .parameters(JsonObjectSchema.builder()
                .addIntegerProperty("first")
                .addIntegerProperty("second")
                .build())
        .build();

TestStreamingChatResponseHandler handler = new TestStreamingChatResponseHandler() {
    @Override
    public void onPartialToolCall(ToolExecutionRequest partialToolCall) {
        System.out.println("Partial tool call: " + partialToolCall.name() + " - " + partialToolCall.arguments());
    }
};

model.chat(
        ChatRequest.builder()
                .messages(UserMessage.from("2+2=?"))
                .parameters(ZhipuAiChatRequestParameters.builder()
                        .toolSpecifications(calculator)
                        .toolStream(true)
                        .build())
                .build(),
        handler);

更多示例​

您可以在以下位置查看更多示例：