第一章：为什么是 LangChain4j？

1.1 你真正要解决的不是“接个模型”，而是“把能力放进系统里”

很多项目第一周就能把模型调用跑通，但第一个月就会遇到这些问题：

• 需求一多就开始到处拼 prompt，维护成本爆炸
• 工具调用一上，马上出现越权、注入、参数脏数据
• SSE 流式上线后，断连、取消、超时处理一团糟
• 线上出问题只能看“供应商报错”，无法快速定位
• 成本不可控：上下文无限增长、重复问题重复花钱

LangChain4j 的价值不在于“提供一个 Chat API”，而在于它把大模型工程中常见的能力抽象成可组合的组件，让你能用 Java 的方式把这些问题系统化解决。

1.2 LangChain4j 能力版图（你会在本系列逐章落地）

你会用到的核心模块可以粗分为四层：

• 模型层：Chat/Streaming/Embedding 等统一接口，底下接 OpenAI、千问、DeepSeek 等
• 编排层：AI Services、Prompt 模板、Memory（上下文管理）
• 增强层：Tools（函数调用）、RAG（向量检索增强生成）
• 治理层：可观测性、错误分层、并发控制、成本优化、安全防护

1.3 本系列的写法约定（为了后面章节能直接拼起来）

为了让你能直接复制运行，本系列默认：

• 业务代码尽量围绕“Service/Facade”组织，Controller 只做参数与返回
• 所有模型调用都尽量通过统一入口（方便重试、脱敏、指标、requestId）
• 工具调用默认“白名单 + 参数校验 + 最小权限”
• RAG 默认“上下文短、来源清晰、总长度可控”

1.4 你需要准备什么

• JDK 17+
• Maven 或 Gradle
• 一个可用的模型 Key（本系列覆盖三类）：
  • OpenAI
  • 千问（DashScope / Qwen）
  • DeepSeek（OpenAI-compatible）

下一章开始，我们先用最短路径把“第一个可运行对话”跑通，然后再逐步把工程化能力加回来。