用途:该技能提供基于 LangChain4j 的检索增强生成(RAG)实现模式,面向 Java 开发者构建“与文档对话”、文档问答(PDF、文本、网页)、企业知识库助手和领域知识增强型 AI 应用,并支持向量检索与混合检索。
主要能力:生成文档摄取流水线,包括文档加载、递归分片(建议 500-1000 token、20-50 token 重叠)、元数据写入、嵌入生成与写入向量存储;提供 EmbeddingModel 与 EmbeddingStore 配置;通过 ContentRetriever 设置 maxResults 与 minScore 过滤;用 AiServices 绑定 ChatModel 与 ContentRetriever 构建带上下文的 AI 服务;支持多领域助手、分层 RAG(先检索摘要再检索块)、混合检索(向量加关键词,用 RRF 合并重排);内置摄取校验(嵌入数与分片数一致、样本查询可检索)。
使用方式:在 Spring Boot 项目的 pom.xml 加入 dev.langchain4j:langchain4j-spring-boot-starter 与 dev.langchain4j:langchain4j-open-ai(版本 1.8.0),通过 OPENAI_API_KEY 环境变量提供密钥;定义 EmbeddingModel(如 text-embedding-3-small)与 EmbeddingStore(如 InMemoryEmbeddingStore);在服务中加载文档、分片、批量嵌入并写入存储;构建 ContentRetriever 后交给 AiServices。
适用场景:文档问答、内部知识库检索、语义或混合搜索、多租户知识隔离、需要来源标注的回答。
限制:向量检索与嵌入生成会产生延迟与费用,大文档集成本更高,需缓存和批量处理;内存向量存储仅适合开发,生产建议使用持久化存储;分片过小损失上下文、过大引入噪声;需防止跨租户数据泄漏;RAG 不能完全消除幻觉;上下文窗口通常只容纳 3-5 个检索块。文中未提供具体价格与收费信息。