用途：该技能面向使用 Java 与 LangChain4j 构建声明式 AI Services 的开发者，通过接口和注解封装底层 LLM 调用，适用于聊天机器人、对话式 AI、AI 智能体以及返回结构化数据的 AI 应用。
主要能力：使用 Java 接口定义 AI 功能；通过 @SystemMessage、@UserMessage 注解编写提示；用 AiServices.create 或 AiServices.builder 创建实例；借助 @MemoryId 与 chatMemoryProvider 实现多轮对话与多用户记忆隔离；通过 @Tool 注解注册工具以支持函数调用；支持返回枚举、POJO、列表等结构化输出，并可声明式集成 RAG。
使用方式：先定义带方法签名的接口，例如 interface Assistant { String chat(String userMessage); }；再添加提示注解；然后用 AiServices.create(Assistant.class, chatModel) 或 builder 创建服务；多轮场景可配置 memory provider，工具场景可调用 .tools(new Calculator())。依赖示例：Maven 引入 dev.langchain4j:langchain4j:1.8.0 与 dev.langchain4j:langchain4j-open-ai:1.8.0；Gradle 使用 implementation 'dev.langchain4j:langchain4j:1.8.0' 和 implementation 'dev.langchain4j:langchain4j-open-ai:1.8.0'。
适用场景：声明式 AI 服务、类型安全的多轮对话、多用户助手、工具/函数调用、结构化输出提取、流式响应、错误处理与 RAG 集成。
限制：LLM 响应具有非确定性，测试需考虑波动；记忆 provider 存储对话历史，多用户场景需清理；工具执行可能昂贵，需限流与超时；不要在系统或用户消息中传递 API 密钥、密码等敏感数据；大上下文会增加 token 成本，需做消息裁剪；流式响应需处理部分失败；AI 输出在生产使用前应验证；带副作用的工具需谨慎；提示与上下文须符合模型 token 限制。