LangChain4J入门:使用SpringBoot-start

这是连续的专栏内容

(一)提换依赖

将原有的

<!-- LangChain4j OpenAI 集成 --><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-open-ai</artifactId></dependency>

换成

<!-- LangChain4j OpenAI 集成 --><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-open-ai-spring-boot-starter</artifactId></dependency>

(二)连接openAI


在application.properties中

#web端口号
server.port=8080langchain4j.open-ai.chat-model.base-url=http://langchain4j.dev/demo/openai/v1
langchain4j.open-ai.chat-model.api-key=demo
langchain4j.open-ai.chat-model.model-name=gpt-4o-minilangchain4j.open-ai.chat-model.log-requests=true
langchain4j.open-ai.chat-model.log-responses=truelogging.level.root=debug

在LLMTest中

package com.aiguigu.java.ai.langchain4j;import dev.langchain4j.model.openai.OpenAiChatModel;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;@SpringBootTest
public class LLMTest {@Testpublic void testGPTDemo() {OpenAiChatModel model = OpenAiChatModel.builder().baseUrl("http://langchain4j.dev/demo/openai/v1").apiKey("demo").modelName("gpt-4o-mini").build();String answer=model.chat("你是谁呀");System.out.println(answer);}@Autowiredprivate OpenAiChatModel openAiChatModel;@Testpublic void testSpringBoot() {String answer=openAiChatModel.chat("我是谁?");System.out.println(answer);}
}

解决报错:

问题一:Could not transfer artifact org.springframework:spring-webflux:pom:6.1.11 from/to central (Central Repository:): Connect to repo.maven.apache.org:443 [repo.maven.apache.org/199.232.148.215] failed: Connect timed out

这个错误表明 Maven 无法从中央仓库下载 spring-webflux:6.1.11 依赖,原因是连接 repo.maven.apache.org:443 超时,属于网络连接问题。以下是具体解决方案:同时可以解决依赖下载慢的问题

配置国内 Maven 镜像(推荐)

中央仓库在国内访问速度较慢,建议配置阿里云镜像加速下载:

  1. 找到 Maven 的 settings.xml 配置文件:

    • IDEA 自带 Maven:路径通常为 C:\Users\你的用户名\.m2\settings.xml(Windows)或 ~/.m2/settings.xml(Mac/Linux)。
    • 自定义 Maven:在安装目录的 conf/settings.xml 中配置。
  2. 在 <mirrors> 标签内添加阿里云镜像:

    <mirrors><mirror><id>aliyunmaven</id><name>阿里云公共仓库</name><url>https://maven.aliyun.com/repository/public</url><mirrorOf>central</mirrorOf> <!-- 替代中央仓库 --></mirror><!-- 可选:添加Spring仓库镜像(部分Spring依赖可能在此) --><mirror><id>aliyun-spring</id><name>阿里云Spring仓库</name><url>https://maven.aliyun.com/repository/spring</url><mirrorOf>spring</mirrorOf></mirror>
    </mirrors>

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/diannao/94263.shtml
繁体地址,请注明出处:http://hk.pswp.cn/diannao/94263.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AR-Align-NN-2024

文章目录An unsupervised multi-view contrastive learning framework with attention-based reranking strategy for entity alignment摘要1. 引言2. 相关工作2.1. 实体对齐2.2 对比学习中的数据增强3. 问题定义4. 方法论4.1 嵌入初始化4.2 图谱数据增强4.3 多视图对比学习4.4…

DeFi借贷协议深度解析:原理与Python实现

目录 DeFi借贷协议深度解析:原理与Python实现 1. DeFi借贷协议概述 2. 核心数学原理 2.1 抵押率计算 2.2 健康因子 2.3 利率模型 3. 协议核心组件 3.1 资金池架构 3.2 状态变量 4. 核心功能实现 4.1 存款功能 4.2 借款功能 4.3 利息计算与更新 5. 清算机制实现 5.1 清算逻辑 5…

信创及一次ORACLE到OB的信创迁移

信创及一次ORACLE到OB的信创迁移 1.信创是什么? 2.银行信创要求:核心目标与挑战 3.一次ORACLE到OceanBase(OB)的信创迁移方案 3.0.目标: 3.1.迁移评估OceanBase Migration Assessment (OMA) 3.2.数据对象迁移 3.3.数据迁移 3.4.OceanBase 导数工具 3.5.调用存储过程跑批 3…

[Python] -进阶理解10- 用 Python 实现简易爬虫框架

网络爬虫是自动抓取网页并提取数据的程序。本篇文章将基于 Python,从请求、解析和数据流控制三个核心模块出发,逐步构建一个简易爬虫框架,并辅以代码示例与扩展建议,适合初学者快速掌握爬虫架构设计。 一、爬虫架构总览 典型爬虫框架包含以下模块流程: Seed URLs:初始化…

oracle备库主机断电重启后IO异常报错

两节点rac adg环境4个实例&#xff0c;节点1异常重启后IO报错 检查控制文件为0字节&#xff0c;第一感觉是不是控制文件损坏了&#xff1f;但节点2说是没有报错&#xff0c;理论上如果控制文件坏了&#xff0c;库应该挂掉了。 尝试重启另外一共adg实例&#xff0c;发现读取其它…

简单线性回归模型原理推导(最小二乘法)和案例解析

线性回归是一种用于建模自变量与因变量之间线性关系的统计方法&#xff0c;核心是通过最小化误差平方和估计模型参数。以下从数学原理推导和案例两方面详细说明。 一、线性回归模型的数学原理推导 1. 模型定义 线性回归假设因变量 y 与自变量 x 存在线性关系&#xff0c;具体…

主成分分析法 PCA 是什么

主成分分析法 PCA 是什么 主成分分析法(Principal Component Analysis,简称PCA)是一种数据降维与特征提取方法,核心思想是通过线性变换将高维数据映射到低维空间,在尽可能保留原始数据“信息量”(即方差)的同时,减少数据维度,消除特征间的相关性。 主成分分析法(PC…

Elasticsearch太重?试试轻量、极速的Meilisearch

在构建现代化的应用时&#xff0c;“搜索”早已不再是锦上添花的功能&#xff0c;而是决定用户留存体验的关键一环。Meilisearch&#xff0c;作为一款专为速度、易用性与开发者体验而生的开源搜索引擎&#xff0c;正受到越来越多开发者的青睐。 本文将介绍 Meilisearch 的核心…

车载通信架构 ---车内通信的汽车网络安全

我是穿拖鞋的汉子,魔都中坚持长期主义的汽车电子工程师。 老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师: 做到欲望极简,了解自己的真实欲望,不受外在潮流的影响,不盲从,不跟风。把自己的精力全部用在自己。一是去掉多余,凡事找规律,基础是诚信;二是…

MySQL: with as与with RECURSIVE如何混合使用?

文章目录一、with用法系列文章二、前言三、MySQL 普通CTE与递归CTE混合使用的严格规则四、解决方案4.1、方法1&#xff1a;嵌套查询4.2、方法2&#xff1a;使用临时表4.3、方法3&#xff1a;分开执行&#xff08;应用层处理&#xff09;本文主要探讨mysql中with普通cte与递归ct…

腕管综合征 : “鼠标手”| “数字时代工伤”,在我国视频终端工作者中患病率达12%到15%。“

文章目录 引言 I 预防“鼠标手” 肌腱的滑动 正中神经的滑动 II “鼠标手”是怎么发生的? 症状 “鼠标手”的高发人群 引言 “鼠标手”发展到晚期会对神经造成不可逆的损伤。 早期刚开始有症状,比如说轻微的麻木,持续的时间也不长,发作频率也不高的情况下,我们可以通过像…

#C语言——刷题攻略:牛客编程入门训练(三):输出格式化、基本运算符

&#x1f31f;菜鸟主页&#xff1a;晨非辰的主页 &#x1f440;学习专栏&#xff1a;《C语言刷题合集》 &#x1f4aa;学习阶段&#xff1a;C语言方向初学者 ⏳名言欣赏&#xff1a;"代码行数决定你的下限&#xff0c;算法思维决定你的上限。" 目录 1. 牛牛的空格分…

【ELasticsearch】集群故障模拟方案(二):磁盘空间满、重选主节点

《集群故障模拟方案》系列&#xff0c;共包含以下文章&#xff1a; 1️⃣ 集群故障模拟方案&#xff08;一&#xff09;&#xff1a;节点宕机、节点离线2️⃣ 集群故障模拟方案&#xff08;二&#xff09;&#xff1a;磁盘空间满、重选主节点 &#x1f60a; 如果您觉得这篇文章…

React中的Hooks

在React 16.8版本之前&#xff0c;组件主要分为两种&#xff1a;类组件&#xff08;Class Components&#xff09; 和 函数组件&#xff08;Function Components&#xff09;。类组件可以使用 state 来管理内部状态&#xff0c;也能使用生命周期方法&#xff08;如 componentDi…

【21】C# 窗体应用WinForm ——图片框PictureBox属性、方法、实例应用

文章目录12. 图片框PictureBox12.2 PictureBox插入、删除图片12.2.1 插入方式一&#xff1a;右键导入12.2.2 插入方式二&#xff1a;程序路径读入12.2.3 删除图片&#xff1a;右键清除12.3 实例&#xff1a;一键实现图片交换12.4 图片与窗口尺寸——SizeMode属性——实例对比1 …

Vue-Router 4.0:新一代前端路由管理

&#x1f90d; 前端开发工程师、技术日更博主、已过CET6 &#x1f368; 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 &#x1f560; 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》、《前端求职突破计划》 &#x1f35a; 蓝桥云课签约作者、…

vuhub Corrosion2靶场攻略

靶场下载&#xff1a; 下载地址&#xff1a;https://download.vulnhub.com/corrosion/Corrosion2.ova 靶场使用&#xff1a; 我这里是使用Oracle VirtualBox虚拟机打开靶场&#xff0c;使用VMware打开攻击机kali&#xff0c;要使这两个机器能互相通信&#xff0c;需要将这两…

定制开发开源AI智能名片S2B2C商城小程序的特点、应用与发展研究

摘要&#xff1a;本文聚焦定制开发开源AI智能名片S2B2C商城小程序&#xff0c;深入剖析其技术特点、功能优势。通过分析在实体店与线上营销、新零售闭环生态构建、智慧场景赋能以及微商品牌规范化运营等方面的应用&#xff0c;探讨其发展趋势。旨在为营销技术专家中的营销创客及…

ulimit参数使用详细总结

目录 1. 基本介绍 1.1 核心功能 1.2 作用范围 1.3 限制类型 2. 基本语法 3. 常用选项​ 3.1 常见options 3.2 查看当前限制 4. 核心概念 4.1 软限制&#xff08;Soft Limit&#xff09; 4.2 硬限制&#xff08;Hard Limit&#xff09; 5. 修改限制 5.1 临时修改 …

基于ASIC架构的AI芯片:人工智能时代的算力引擎

基于ASIC架构的AI芯片&#xff1a;人工智能时代的算力引擎在深度学习模型参数量呈指数级增长、训练与推理需求爆炸式发展的今天&#xff0c;通用处理器&#xff08;CPU、GPU&#xff09;在能效比和计算密度上的局限日益凸显。基于ASIC&#xff08;Application-Specific Integra…