LangChain4J官方文档翻译与解析
目标文档路径:
https://docs.langchain4j.dev/tutorials/chat-and-language-models/
- 语言模型的两种API类型
LangChain4j支持两种语言模型（LLM）的API：
LanguageModel：这种API非常简单，它接受一个字符串作为输入，并返回一个字符串作为输出。这种API正在逐渐被聊天API（第二种API类型）取代。
ChatLanguageModel：这种API接受多个ChatMessage作为输入，并返回一个AiMessage作为输出。ChatMessage通常包含文本，但某些LLM还支持其他模态（例如图像、音频等）。例如，OpenAI的gpt-4o-mini和Google的gemini-1.5-pro就是支持这种多模态的聊天模型。
LangChain4j不再扩展对LanguageModel的支持，所有新功能都将使用ChatLanguageModel API。ChatLanguageModel是LangChain4j中与LLM交互的低级API，提供了最大的灵活性和功能。此外，LangChain4j还支持其他类型的模型，例如：
EmbeddingModel：将文本转换为嵌入向量。
ImageModel：生成和编辑图像。
ModerationModel：检查文本是否包含有害内容。
ScoringModel：对多段文本进行评分或排名，以确定它们与查询的相关性。这对于检索增强型生成（RAG）非常有用。 - ChatLanguageModel API
ChatLanguageModel API的核心是generate方法，它接受一个或多个ChatMessage作为输入，并返回一个AiMessage。ChatMessage是一个基础接口，代表聊天消息，有以下几种类型：
UserMessage：用户发送的消息，可以是文本或其他模态内容。
AiMessage：AI生成的消息，通常是对UserMessage的回应。
ToolExecutionResultMessage：工具执行请求的结果。
SystemMessage：系统消息，通常由开发者定义，用于指定LLM在对话中的角色、行为风格等。LLM会更关注SystemMessage，因此不要让用户随意修改或注入内容。 - 多轮对话的管理
由于LLM本身是无状态的，因此需要开发者手动管理对话状态。例如，一个简单的多轮对话如下：
用户：你好，我叫Klaus。
AI：你好Klaus，我能帮你什么？
用户：我的名字是什么？
AI：Klaus。
在ChatLanguageModel中，需要将之前的对话消息传递给generate方法，以维护对话上下文。例如：
java复制
UserMessage firstUserMessage = UserMessage.from(“你好，我叫Klaus”);
AiMessage firstAiMessage = model.generate(firstUserMessage).content();
UserMessage secondUserMessage = UserMessage.from(“我的名字是什么？”);
AiMessage secondAiMessage = model.generate(firstUserMessage, firstAiMessage, secondUserMessage).content(); - 多模态支持
UserMessage不仅可以包含文本，还可以包含其他类型的内容，例如图像、音频、视频或PDF文件。例如，发送文本和图像的代码如下：
java复制
UserMessage userMessage = UserMessage.from(
TextContent.from(“描述下面的图像”),
ImageContent.from(“https://example.com/cat.jpg”)
);
Response response = model.generate(userMessage); - Kotlin扩展
LangChain4j为Kotlin提供了扩展，支持异步处理聊天交互。这些扩展利用Kotlin的协程功能，提供了chatAsync和generateAsync方法，简化了聊天请求的构建和对话处理。
总结
这篇文章主要介绍了LangChain4j中与语言模型和聊天模型相关的API。它强调了ChatLanguageModel的重要性，并详细解释了如何通过ChatMessage管理多轮对话、支持多模态输入，以及如何利用Kotlin扩展进行异步处理。这些功能使得LangChain4j在构建聊天应用时更加灵活和强大。
