前言
其实很早就想分享这些内容了，AI的风头很好，很多人和公司都在往这个方向走。我从去年下半年开始就接触AI应用（不是直接开发大语言模型而是AI的再应用，我没这么牛TAT），关注一个新兴产业的发展并且投入其中的感觉很神奇，以前从未有过这样的感受，期间遇到很多的问题其实并没有人能够解答，很多时候都需要自己摸索或者和其他人一起讨论，解决问题的过程是一种很奇妙的感觉。记录这些过程也是很有趣的事情，所以我准备在接下来几篇文章里，分享过程中遇到的问题、心得和看法，点个关注不迷路。
大语言模型
现在市面上流行的大语言模型有很多，大家可以按自己的喜好和条件去选择使用。这里简单推荐几个，其实还有更多的选择。
大语言模型商业版：
- ChatGPT （大名鼎鼎 https://openai.com/chatgpt/）
- 智谱清言（ChatGLM服务版 https://chatglm.cn/）
- 文心一言（百度旗下 https://yiyan.baidu.com/）
- 豆包（字节旗下 https://www.doubao.com/chat/）
- 通义千问 （阿里旗下https://tongyi.aliyun.com/）
大语言模型开源版：
- ChatGLM （https://github.com/THUDM/ChatGLM-6B）
- llama （https://github.com/meta-llama/llama）
开源的大语言模型我了解得不多，大多都是python环境，并且本地部署对GPU要求不低，虽然github上有一些基于CPU的或者低性能要求的大语言模型，那些对我们C端应用来说还是不够，那些大语言模型可能在嵌入式设备会发光发热。
不同的大语言模型之间都有不同的特点，特别是商用版的，几家为了竞争都拿出了各自的特色。除了ChatGPT之外国内的几家都在多模态上面下了很多功夫，虽然ChatGPT更新到gpt-40版本也支持了多模态，甚至在我写这篇内容的时候（24/08/09）gpt免费用户也可以每天使用DALL·E 3创建两张图片了。阿里也在今天推出了新的千问大模型Qwen2-Math（开源版），宣传数学能力超过gpt-4o。
使用
基础使用
那么如何使用大语言模型呢，其实各家平台都有自己的API文档，可以直接按照接口文档接入。以智谱清言为例，可以前往：https://bigmodel.cn/dev/api 查看API，当然很多平台也会给sdk，但是基本都是python可用的。
除此之外，也可以去找找github上有没有开源的已经封装好的java sdk。基本上就是封装请求、返回值，变成方法暴露出来之类的，自己做一个也不复杂。
进阶使用
进阶使用才是重点，我强烈推荐大家使用这种方式，封装性是sdk无法比拟的，而且可以拓展更多的内容。那么如何进阶使用呢？
langchain4j
首当其冲的就是langchain，有人可能要问了，langchain不是python的么？下面隆重介绍langchain4j~~~~
github地址：https://github.com/langchain4j
文档地址：https://docs.langchain4j.dev/intro
sdk文档：https://docs.langchain4j.dev/apidocs/index.html
这里有几个概念需要明确一下：
- LLM（指的是大语言模型）
- Embedding Store（向量数据库 例如milvus,elasticsearch等）
- Vector（向量）
LangChain4j began development in early 2023 amid the ChatGPT hype. We noticed a lack of Java counterparts to the numerous Python and JavaScript LLM libraries and frameworks, and we had to fix that! Although “LangChain” is in our name, the project is a fusion of ideas and concepts from LangChain, Haystack, LlamaIndex, and the broader community, spiced up with a touch of our own innovation.
We actively monitor community developments, aiming to quickly incorporate new techniques and integrations, ensuring you stay up-to-date. The library is under active development. While some features are still being worked on, the core functionality is in place, allowing you to start building LLM-powered apps now!
翻译：
LangChain4j 在 ChatGPT 的炒作下于 2023 年初开始开发。我们注意到大量 Python 和 JavaScript LLM 库和框架缺乏 Java 对应项，我们必须解决这个问题！虽然我们的名字中有“LangChain”，但该项目融合了 LangChain、Haystack、LlamaIndex 和更广泛社区的想法和概念，并融入了我们自己的创新。
我们积极监控社区的发展，旨在快速融入新技术和集成，确保您保持最新状态。该库正在积极开发中。虽然某些功能仍在开发中，但核心功能已经就位，让您现在就可以开始构建由 LLM 驱动的应用程序！
langchain4j目前的版本是0.33.0，基本上每个月都会有一个版本更新，大家可以即使关注了解框架最新动态。
Spring Ai
spring也是紧随其后推出了自己的springboot-ai-starter，spring的优势就是启动方便，风格也延续了springboot的传统，很多东西都可以配置，上手应该比langchain4j简单（为什么是应该呢，因为我没有正儿八经用过），目前版本是1.0.0，类似langchain也继承了相当多的向量数据库和LLM
文档：https://spring.io/projects/spring-ai
开源项目推荐：https://github.com/NingNing0111/spring-ai-zh-tutorial
解决了什么问题？
那么目前给出的两个框架都解决了什么问题？无论是spring ai 和langchain4j都是为了更好的使用大语言模型，并且希望能够拓展一些额外功能和内容。
我们有时希望能够让LLM说一些我们希望让它能够知道的问题，例如：明天天气如何？景区门票多少钱？此时如果我们不借助框架需要怎么做？各个大语言模型平台有自己的规则，有些需要上传文档到平台内，然后这个文档可以作为补充知识在LLM回答的时候带上，需要每次请求接口声明file_id之类的，如果我们借助框架则完全不需要这样。框架会帮助我们完成这一过程，包括需要让LLM“执行”一些复杂的脚本，都可以在框架的帮助下完成。
结语
在未来的几篇文章中，我将着重介绍langchain4j的使用，希望看完之后你也可以做出简单的AI应用，并且对目前AI的能力有一个大致的认识。以上都是我个人对AI应用的看法，如果有其他想法欢迎在评论中讨论。
ps:近期更新会很慢，不(zhi)要(mian)着(tian)急(ming)。
