langchain4j 学习系列(10)-Skill使用示例

雷之王着

38人浏览 · 2026-07-01 19:16:23

雷之王着 · 2026-07-01 19:16:23 发布

接上节继续，今天来学习Skill的使用，要说明的是：目前langchain4j关于SKILL的API尚在试验阶段，未来可能会有较大变化，生产环境使用时，请大家谨慎。

先添加pom依赖：

View Code

以下是使用步骤：

一、编写SKILL.md说明

这里我们以订单处理为示例，写1个process-order的skill

---

name: process-order

description: 处理客户订单

---

处理订单的步骤：

1. 调用 validateOrder(orderId) 检查订单是否有效。

2. 调用 reserveInventory(orderId) 预留所需库存。

3. 仅当预留成功时，调用 chargePayment(orderId) 进行扣款。

4. 最后，调用 sendConfirmationEmail(orderId) 发送确认邮件。

如果任何步骤失败，在报告错误之前调用 rollbackOrder(orderId) 回滚订单。

skill有多种存储方式，本例直接存放于文件src/main/resources/skills/process-order/SKILL.md

二、定义Tools

process-order的skill中，会用到一系列Tool，这里给出mock实现

package com.cnblogs.yjmyzz.langchain4j.study.tools;

import dev.langchain4j.agent.tool.Tool;

import org.springframework.stereotype.Component;

/**

* 一组用于处理客户订单的工具。

* 当 'process-order' SKILL激活时，LLM 将调用这些方法。

*/

@Component

public class OrderTools {

@Tool("验证订单ID是否有效")

public String validateOrder(String orderId) {

System.out.println("工具：正在验证订单：" + orderId);

// 模拟验证逻辑

if (orderId != null && orderId.startsWith("ORD")) {

System.out.println("订单 " + orderId + " 有效。");

return "订单 " + orderId + " 有效。";

} else {

System.out.println("订单 " + orderId + " 无效。");

return "订单 " + orderId + " 无效。";

}

@Tool("为指定订单ID预留库存。返回成功或失败信息。")

public String reserveInventory(String orderId) {

System.out.println("工具：正在为订单预留库存：" + orderId);

// 模拟库存预留

if ("ORD001".equals(orderId)) { // 模拟成功示例

System.out.println("订单 " + orderId + " 的库存已预留。");

return "订单 " + orderId + " 的库存已预留。";

} else if ("ORD002".equals(orderId)) { // 模拟失败示例

System.out.println("为订单 " + orderId + " 预留库存失败。库存不足。");

return "为订单 " + orderId + " 预留库存失败。库存不足。";

} else {

System.out.println("订单 " + orderId + " 的库存预留状态未知。");

return "订单 " + orderId + " 的库存预留状态未知。";

}

@Tool("为指定订单ID扣款。返回支付状态。")

public String chargePayment(String orderId) {

System.out.println("工具：正在为订单扣款：" + orderId);

// 模拟支付处理

return "订单 " + orderId + " 扣款成功。";

}

@Tool("向客户发送指定订单ID的确认邮件。返回确认状态。")

public String sendConfirmationEmail(String orderId) {

System.out.println("工具：正在为订单发送确认邮件：" + orderId);

// 模拟邮件发送

return "订单 " + orderId + " 的确认邮件已发送。";

}

@Tool("因处理出错回滚订单。返回回滚状态。")

public String rollbackOrder(String orderId) {

System.out.println("工具：因失败正在回滚订单：" + orderId);

// 模拟回滚

return "订单 " + orderId + " 已成功回滚。";

}

三、定义AIService

package com.cnblogs.yjmyzz.langchain4j.study.service;

import dev.langchain4j.service.UserMessage;

public interface OrderProcessingAiService {

// 系统消息由 Spring 配置中的 AiServices.builder(...).systemMessage(...) 提供

String chat(@UserMessage String userMessage);

}

四、添加配置(注入skill)

package com.cnblogs.yjmyzz.langchain4j.study.config;

import com.cnblogs.yjmyzz.langchain4j.study.service.OrderProcessingAiService;

import com.cnblogs.yjmyzz.langchain4j.study.tools.OrderTools;

import dev.langchain4j.memory.chat.MessageWindowChatMemory;

import dev.langchain4j.model.chat.ChatModel;

import dev.langchain4j.service.AiServices;

import dev.langchain4j.service.tool.ToolProvider;

import dev.langchain4j.skills.ClassPathSkillLoader;

import dev.langchain4j.skills.FileSystemSkill;

import dev.langchain4j.skills.Skill;

import dev.langchain4j.skills.Skills;

import org.springframework.context.annotation.Bean;

import org.springframework.context.annotation.Configuration;

import java.util.List;

import java.util.stream.Collectors;

@Configuration

public class LangChain4jConfig {

private final OrderTools orderTools; // 自动注入 OrderTools

// 注入 OrderTools，用于技能作用域的工具

public LangChain4jConfig(OrderTools orderTools) {

this.orderTools = orderTools;

}

@Bean

public Skills skills() {

// 从类路径下的 'skills' 目录加载所有技能

// 假设你的 SKILL.md 文件位于 src/main/resources/skills/ 下

List<FileSystemSkill> loadedSkills = ClassPathSkillLoader.loadSkills("skills");

// 为 "process-order" 技能附加 OrderTools 作为技能作用域的工具

// 这意味着 OrderTools 中的方法只有在显式激活 "process-order" 技能后，

// 才会对 LLM 可见

List<Skill> configuredSkills = loadedSkills.stream()

.map(fsSkill -> {

if ("process-order".equals(fsSkill.name())) {

return Skill.builder()

.name(fsSkill.name())

.description(fsSkill.description())

.content(fsSkill.content())

.resources(fsSkill.resources())

.tools(orderTools) // 附加 OrderTools 作为技能作用域的工具

.build();

}

return fsSkill;

})

.collect(Collectors.toList());

return Skills.from(configuredSkills);

}

@Bean

public ToolProvider skillsToolProvider(Skills skills) {

// 该 ToolProvider 将处理 'activate_skill'、'read_skill_resource'

// 并在技能激活时动态暴露技能作用域的工具（例如 OrderTools 中的工具）

return skills.toolProvider();

}

@Bean

public OrderProcessingAiService orderProcessingAiService(ChatModel chatModel, Skills skills, ToolProvider skillsToolProvider) {

// 构建 AI 服务，整合聊天模型、聊天记忆以及技能 ToolProvider

return AiServices.builder(OrderProcessingAiService.class)

.chatModel(chatModel)

.chatMemory(MessageWindowChatMemory.withMaxMessages(100)) // 保留对话历史

.toolProvider(skillsToolProvider) // 注册技能工具提供者

// 将技能目录注入到系统消息中，以便 LLM 知道它可以激活哪些技能

.systemMessage("你是一个订单处理助手。你可以使用以下技能：\n"

+ skills.formatAvailableSkills() // 将技能格式化为 XML 提供给 LLM

+ "\n当用户请求与这些技能之一相关时，请先使用 `activate_skill` 工具激活该技能，然后再继续处理。")

.build();

}

五、使用Skill

package com.cnblogs.yjmyzz.langchain4j.study.controller;

import com.cnblogs.yjmyzz.langchain4j.study.service.OrderProcessingAiService;

import org.springframework.web.bind.annotation.GetMapping;

import org.springframework.web.bind.annotation.RequestParam;

import org.springframework.web.bind.annotation.RestController;

/**

* 与使用技能的 LangChain4j AI 服务进行交互的 REST 控制器。

*/

@RestController

public class OrderController {

private final OrderProcessingAiService orderProcessingAiService;

// 自动注入 AI 服务

public OrderController(OrderProcessingAiService orderProcessingAiService) {

this.orderProcessingAiService = orderProcessingAiService;

}

/**

* 与订单处理 AI 助手进行聊天的端点。

* 示例：http://localhost:8080/chat/order?message=处理订单 ORD001

* 示例：http://localhost:8080/chat/order?message=你叫什么名字？

*/

@GetMapping("/chat/order")

public String chatWithOrderAssistant(@RequestParam(value = "message", defaultValue = "处理订单 ORD001") String message) {

System.out.println("用户消息：" + message);

String aiResponse = orderProcessingAiService.chat(message);

System.out.println("AI 回复：" + aiResponse);

return aiResponse;

}

六、测试运行

http://localhost:8080/chat/order?message=处理订单 ORD001

用户消息：处理订单 ORD001

工具：正在验证订单：ORD001

订单 ORD001 有效。

工具：正在为订单预留库存：ORD001

订单 ORD001 的库存已预留。

工具：正在为订单扣款：ORD001

工具：正在为订单发送确认邮件：ORD001

AI 回复：✅ 订单 ORD001 处理完成！

处理结果：

- ✅ 订单验证：有效

- ✅ 库存预留：成功

- ✅ 支付扣款：成功

- ✅ 确认邮件：已发送

订单 ORD001 已成功处理完毕，客户将收到确认邮件。

http://localhost:8080/chat/order?message=处理订单 ORD002

用户消息：处理订单 ORD002

工具：正在验证订单：ORD002

订单 ORD002 有效。

工具：正在为订单预留库存：ORD002

为订单 ORD002 预留库存失败。库存不足。

工具：因失败正在回滚订单：ORD002

AI 回复：❌ 订单 ORD002 处理失败！

处理结果：

- ✅ 订单验证：有效

- ❌ 库存预留：失败（库存不足）

- ➖ 支付扣款：未执行（因库存预留失败）

- ➖ 确认邮件：未发送

龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

AI Agent评估体系构建：从Benchmark到生产环境监控的闭环工程

Agent 的行为是多步骤、非确定性的——同一个输入可能产生完全不同的执行路径，最终结果也可能"殊途同归"。更复杂的是，Agent 的失败模式往往是隐蔽的：它可能完成了任务但使用了低效的路径，或者得到了正确答案但基于错误的推理。本文将系统性地构建一个从开发到生产的 Agent 评估体系，涵盖离线 Benchmark、在线监控和持续改进的完整闭环。最重要的是：评估体系本身也需要持续迭代——随着 Ag

龙虾开发者社区

AI Agent多智能体协作框架对比：CrewAI、AutoGen与LangGraph的生产级选型

text| 框架 | 并行支持 | 实测吞吐（tasks/min） | 资源消耗 ||------|---------|---------------------|---------|| CrewAI | 不支持原生并行 | 8-12 | 中 || AutoGen | 对话级并行（有限） | 10-15 | 高 || LangGraph | 原生并行节点 | 20-30 | 低 |### 维度三：

龙虾开发者社区

AI Agent评估体系构建：从Benchmark到生产环境监控的闭环工程

text## 蒸馏的伦理与合规### 蒸馏的边界模型蒸馏涉及知识产权和合规问题：| 蒸馏来源 | 合规风险 | 建议 ||---------|---------|------|| 开源模型（Llama, Qwen） | 低 | 遵循模型许可证 || API 蒸馏（GPT, Claude） | 高 | 违反 ToS，禁止 || 自有模型 | 无 | 完全合规 || 多模型混合蒸馏 | 中 | 需逐一