1.初始对话

引入依赖

<dependency>
      <groupId>dev.langchain4j</groupId>
      <artifactId>langchain4j</artifactId>
      <version>1.12.2</version>
</dependency>
<dependency>
      <groupId>dev.langchain4j</groupId>
      <artifactId>langchain4j-open-ai</artifactId>
      <version>1.12.2</version>
</dependency>

普通对话

简单发送消息

OpenAiChatModel chatModel = OpenAiChatModel.builder()
        .apiKey(System.getenv("AI_KEY"))
        .modelName("qwen-plus")
        .baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1")
        .build();
ChatResponse response = chatModel.chat(SystemMessage.from("你是一个旅行攻略助手"), UserMessage.from("你好"));
System.out.printf(response.aiMessage().text());

使用ChatRequest配置温度、工具等

//2.配置温度、工具、prompt
ChatRequest chatRequest = ChatRequest.builder()
        .messages(SystemMessage.from("你是一个旅行攻略助手"), UserMessage.from("你好"))
        .parameters(ChatRequestParameters.builder().temperature(0.2).build())
        .build();
ChatResponse response = chatModel.chat(chatRequest);
//ChatResponseMetadata 包含 TokenUsage，其中包含有关输入包含多少令牌的统计信息 （您提供给 generate 方法的所有 ChatMessages）， 输出（在 AiMessage 中）生成了多少令牌，以及总计（输入 + 输出）。
System.out.println(response.metadata());

多模态（有些llm可能不支持部分类型的消息）

ChatRequest chatRequest = ChatRequest.builder()
        //UserMessage 不仅可以包含文本，还可以包含其他类型的内容。（TextContent、ImageContent、AudioContent、VideoContent、PdfFileContent）
        .messages(SystemMessage.from("你是一个小助手"),UserMessage.from(TextContent.from("你好，帮我看看这个图片是什么"), ImageContent.from("https:/example.com/xxx.jpg")))
        .parameters(ChatRequestParameters.builder().temperature(0.2).build())
        .build();
ChatResponse response = chatModel.chat(chatRequest);