# LangChain4j小项目案例

**Repository Path**: Ai-Times/LangChain4j_example

## Basic Information

- **Project Name**: LangChain4j小项目案例
- **Description**: 快速入门LangChain4j
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-09-29
- **Last Updated**: 2025-09-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LangChain4j 示例项目

这是一个基于 LangChain4j 的示例项目，展示了如何构建一个结合 AI 模型的前后端应用。项目分为前端和后端两个部分，便于快速上手和扩展。

## 项目结构

- **前端**：使用 Vue 3 和 Vite 构建的现代前端应用。
- **后端**：基于 Spring Boot 构建，集成了 LangChain4j 和 Qwen 模型，提供 AI 聊天功能。

## 功能特点

- 支持与 Qwen 模型进行对话。
- 集成输入防护机制，防止敏感内容。
- 支持通过 MCP 工具扩展功能。
- 提供基于 SSE 的流式聊天响应。
- 支持 RAG（检索增强生成）和工具调用。

## 技术栈

- **前端**：Vue 3、Vite、CSS
- **后端**：Spring Boot、LangChain4j、Qwen、Lombok、Maven
- **AI 模型**：Qwen（通义千问）

## 快速开始

### 启动后端

1. 确保已安装 JDK 17 或更高版本。
2. 确保已安装 Maven。
3. 运行以下命令启动后端服务：

   ```bash
   mvn spring-boot:run
   ```

   后端服务默认运行在 `http://localhost:8080`。

### 启动前端

1. 确保已安装 Node.js 和 npm。
2. 进入 `frontend` 目录并安装依赖：

   ```bash
   cd frontend
   npm install
   ```

3. 启动开发服务器：

   ```bash
   npm run dev
   ```

   前端服务默认运行在 `http://localhost:3000`。

## 使用说明

访问前端页面后，可以通过输入框与 AI 模型进行交互。后端提供 `/ai/chat` 接口，支持通过 SSE 流式返回 AI 的响应。

## 配置

- **Qwen 模型配置**：在 `application.yml` 中配置 Qwen 的 API Key 和模型名称。
- **MCP 工具**：在 `McpConfig` 中配置 MCP 工具提供者。
- **输入防护**：通过 `SafeInputGuardrail` 类实现敏感词过滤。

## 测试

运行后端测试：

```bash
mvn test
```

测试覆盖了 AI 聊天、记忆对话、RAG、工具调用、MCP 支持等功能。

运行效果
![输入图片说明](frontend/src/assets/%E8%81%8A%E5%A4%A9%E5%B0%8F%E5%8A%A9%E6%89%8B.png)

## 贡献指南

欢迎贡献代码和改进文档。请遵循以下步骤：

1. Fork 本项目。
2. 创建新分支。
3. 提交更改。
4. 发起 Pull Request。

## 许可证

本项目采用 MIT 许可证。详情请查看 `LICENSE` 文件。

## 联系方式

如有问题或建议，请提交 Issue 或联系项目维护者。