AI编程之–手把手教你使用langchain4j编写大模型RAG

RAG是通过把本地知识库检索结果和用户的交互信息，一同提交给大模型，由大模型再次加工后，形成最终结果的一个过程。RAG是最简单的使用大模型为我们工作的模式，有着广泛的应用，例如，让大模型成为我们专业领域的客服，让大模型根据我们专业领域知识产生文档等。

本文手把手教你用langchain4j编写一个最简单的RAG。

STEP1： 安装Postgresql+pgvector向量库

AI编程之–手把手教你在CentOS安装Postgresql的Vector向量数据库插件

STEP2： 建设简单的知识库

AI编程之–手把手教你使用postgresql向量数据库建设知识库JAVA版

STEP3： 编写本地知识库检索代码

本地知识库检索能力，包含建设好的向量库和从向量库里检索知识的能力：

LeoPostgresVectorEmbeddingStore embeddingStore = LeoPostgresVectorEmbeddingStore.builder() .host(host) .port(Integer.parseInt(port)) .database(databaseName) .user(dataBaseUserName) .password(dataBasePassword) .dimension(384) .createTable(true) .dropTableFirst(false) .table(tableName) .build(); int maxResults = 1; double minScore = 0.6; EmbeddingModel embeddingModel = new AllMiniLmL6V2EmbeddingModel(); ContentRetriever contentRetriever = EmbeddingStoreContentRetriever.builder() .embeddingStore(embeddingStore) .embeddingModel(embeddingModel) .maxResults(maxResults) .minScore(minScore) .build();

STEP4： 编写具体的RAG过程代码

RAG过程需要一个大模型调用，以及本地知识库检索内容。使用langchain4j，这个过程就相对简化很多，而且可以非常方便的通过ChatMemory支持历史记录。

OpenAiChatModel chatModel = OpenAiChatModel.builder().baseUrl("https://xxx.yyy ") .apiKey("sk-1234567890abcdef").modelName("gpt-3.5-turbo").build(); //建立一个可存储10条历史记录的ChatMemory ChatMemory chatMemory = MessageWindowChatMemory.withMaxMessages(10); //通过AiServices实例化一个LLM调用代理 LLMAssistant agent = AiServices.builder(LLMAssistant.class) .chatLanguageModel(chatModel) .contentRetriever(contentRetriever) //在调用LLM之前，会自动从本地知识库检索相关知识 .chatMemory(chatMemory) .build(); String answer = agent.chat("介绍一下五一出游趋势");

STEP5： 看看背后干了啥

我们debug代码，跟踪到发请求前，可以看到，最终调用ChatCompletion接口

背后调用的chat/completion接口。

这个接口有较多的参数可用，常用的有如下几个：

• temperature: 为0表示让模型不要自我创造，每次返回的结果都一样，为1表示让模型极大的自我创造
• n：返回的备选文档条数
• message中的

system：设定AI行为的角色和背景，比如“你是一名算法工程师”

user：我们输入的问题，或者请求

assistant：一些期待AI回应的示例

STEP5： 后续

后续将使用Langchain和postgresql实现更多的CASE，敬请关注。

零基础入门AI大模型

今天贴心为大家准备好了一系列AI大模型资源，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

有需要的小伙伴，可以点击下方链接免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

5.免费获取

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码或者点击以下链接都可以免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》