本文探讨了LangChain和LangGraph框架在大模型应用开发中的作用与关系。LangChain被比喻为"乐高积木"，提供基础组件（模型接口、记忆模块等）快速构建简单应用；而LangGraph则是"建筑设计图"，专注于复杂流程的状态管理和多步骤控制。文章通过架构图展示了两者的三层生态关系，并给出实践案例：LangChain实现单次API调用，LangG

本文介绍了使用 LangChain 框架构建 AI 应用的工程化方法。主要内容包括： 模型抽象组件：通过统一接口调用不同厂商的大模型（如 Qwen-turbo），屏蔽底层差异 提示词模板：使用 PromptTemplate 实现动态参数分离，FewShotPromptTemplate 实现少样本提示 角色设计理念：system/user/assistant 构成对话上下文沙盒，system 设定规

本文介绍了Langchain4j框架在Spring Boot中的集成与应用

本文介绍了基于 LangChain4j 框架开发的情绪感知个性化微出行决策助手项目 Corner。文章详细阐述了项目的技术架构（Spring Boot + LangChain4j + MySQL + Redis）、核心推荐机制的三层架构设计（情绪+收藏+位置），以及开发过程中遇到的关键问题与解决方案，包括版本兼容性、会话记忆 NPE、提示词模板、JSON 反序列化和推荐结果为空等典型挑战。项目通过

Corner 是一个情绪驱动的个性化地点推荐系统，通过 LangChain4j 实现记忆管理来提升用户体验。文章拆解了其双层记忆架构：基于 Redis 的短期会话记忆（保存最近30条消息，1天TTL）和基于 MySQL 的长期用户偏好记忆。重点展示了 RedisChatMemoryRepository 的实现，包括序列化方案、Key 设计和 TTL 策略，并说明如何通过 ChatMemoryPro

Corner 是一个情绪驱动的个性化地点推荐系统，通过 LangChain4j 实现记忆管理来提升用户体验。文章拆解了其双层记忆架构：基于 Redis 的短期会话记忆（保存最近30条消息，1天TTL）和基于 MySQL 的长期用户偏好记忆。重点展示了 RedisChatMemoryRepository 的实现，包括序列化方案、Key 设计和 TTL 策略，并说明如何通过 ChatMemoryPro

本文介绍了基于 LangChain4j 框架开发的情绪感知个性化微出行决策助手项目 Corner。文章详细阐述了项目的技术架构（Spring Boot + LangChain4j + MySQL + Redis）、核心推荐机制的三层架构设计（情绪+收藏+位置），以及开发过程中遇到的关键问题与解决方案，包括版本兼容性、会话记忆 NPE、提示词模板、JSON 反序列化和推荐结果为空等典型挑战。项目通过

LangChain实战：Memory与Tool构建智能体 本文基于DataWhale教程，介绍如何通过LangChain的Memory和Tool组件构建具有记忆能力和工具调用功能的AI智能体。 核心组件 Memory组件使AI具备对话记忆能力，包含三种模式： 全量记忆：完整保存所有对话历史 窗口记忆：仅保留最近N轮对话 摘要记忆：动态生成对话摘要 Tool组件使AI能调用外部工具，弥补LLM固有缺

本文介绍了Langchain4j框架在Spring Boot中的集成与应用

本文介绍了使用 LangChain 框架构建 AI 应用的工程化方法。主要内容包括： 模型抽象组件：通过统一接口调用不同厂商的大模型（如 Qwen-turbo），屏蔽底层差异 提示词模板：使用 PromptTemplate 实现动态参数分离，FewShotPromptTemplate 实现少样本提示 角色设计理念：system/user/assistant 构成对话上下文沙盒，system 设定规