“返回个啥玩意儿？”用LangChain4j优雅格式化LLM结果！



嗨大家好，我是小米！

话说最近部门在搞一波“AI助手集成到企业内部系统”的大项目，而我呢，就被钦点为主力来研究 LangChain4j —— Java 语言的大模型集成神器。

初看LangChain4j时我有点晕，作为一个写惯了前端 + 脚本语言的程序员，面对 Java 世界的“类型系统+POJO+泛型+序列化”，还是有点心理阴影的……

BUT！在真正用起来之后，我越来越佩服 LangChain4j 的设计，特别是它在 “如何将 LLM 返回结果映射为各种 Java 类型” 这方面，做得既灵活又清晰！

今天我们就一起深入探讨这个核心能力—— LangChain4j 如何优雅地将 LLM 的响应格式化为：

基本类型（int, boolean, double, String）

集合类型（List, Set）

自定义 POJO（你写的 Bean 也能自动填充，惊不惊喜？）

故事的开头：我为什么要关心“格式化返回值”？

先来个故事！

某天，后端小哥阿阳找我：“小米，咱们的LLM接口返回了一大段文本，我现在想从中提取用户的问题、推荐的回答、以及置信度，能不能自动填成Java对象？”

我脑子里立马浮现出 GPT 返回的文本结构，然后反问他：“你想要对象？不是String？那你得用 LangChain4j 啊！”

他说：“我就是用的 LangChain4j 啊，但文档有点少……”

好家伙，这事不办还真没人办！

于是我开始深入研究LangChain4j是怎么处理返回值的，然后……发现它不止能返回String，还能直接返回各种类型的数据。更厉害的是：你只要告诉它你要什么类型，它就能自动解析给你！

是的，真的自动。

LangChain4j是怎么处理返回类型的？

LangChain4j 的核心设计思路是：

你写一个 Java 接口，定义好方法的返回类型，它就自动把 LLM 的输出，格式化成对应的类型！

这个黑魔法是怎么实现的呢？

主要依靠几个关键模块：

AiService 注解：标记这是一个 LLM 服务接口。

方法返回值类型：LangChain4j 通过 反射+序列化 知道你要什么。

内部调用了 OpenAI/GPT/Claude 等模型，然后将响应结果用 类型适配器（TypeConverter） 自动映射。

比如：

是不是觉得神奇？我们接下来逐个分析！

返回值类型一：基本类型（int, double, boolean, String）

这是最简单也是最常用的场景。

用法示例：

LangChain4j 发送 prompt 后，如果模型返回的字符串是 “8”，它就会尝试 Integer.parseInt("8")，你得到的就是一个 int！

它内部其实用的是 TypeConverterRegistry，通过 Java 的 TypeToken 来识别你需要的类型，然后调用对应的转换器。

注意点：

LLM 返回必须足够干净！（比如不能返回 “答案是：8”，否则会解析失败）

可以通过 Prompt 模板控制输出结构

比如：

这样可以大大提高成功率！

返回值类型二：集合类型（List、Set）

集合类型的处理稍微复杂一点，但也非常实用。

举个栗子：

LLM 返回值建议是一个 JSON 数组，比如：

或者：

LangChain4j 会识别出这是列表，然后逐个解析里面的元素类型。

小技巧：

你可以提示 LLM 返回 JSON 格式：

如果你懒得管格式，可以考虑用 @Tool 机制，让模型学会调用你的方法（这属于高级话题，今天先略过~）

返回值类型三：自定义 POJO（JavaBean）

终于来到最强的部分！

你可以让 LangChain4j 把模型返回的结构化数据，自动映射到你定义的 Java 类上。

比如我们定义一个 POJO：

然后定义服务接口：

LangChain4j 会使用 Jackson 或者 Gson（具体视你依赖而定）来解析 JSON，并自动转为 Java 对象！

只要模型能返回类似这样的结构化数据：

你就能直接拿到一个 Java 对象，无需手动解析。是不是香爆了？

深层机制剖析：它怎么知道我想要的类型？

LangChain4j 会在调用方法的时候，使用 反射+泛型擦除检查，确定你方法的返回值类型。

底层逻辑类似于这样：

也就是说——只要你写清楚返回值类型，它就有办法找到对应的转换器！

这个机制也允许你写自己的 Converter，比如自定义格式解析器，来处理奇葩格式。

自定义格式怎么办？

万一 LLM 返回的格式不是 JSON，而是：

那该怎么办？

LangChain4j 支持自定义 OutputParser！

你可以这样：

然后绑定到方法：

这样就能自由处理各种返回格式啦！

进阶提示：多种类型组合返回？

你可以组合返回复杂结构，比如：

通过设计好 Prompt，引导 LLM 返回对应结构，然后 LangChain4j 自动解析！

九、总结一下，老规矩来个表格！

END

用了 LangChain4j 这段时间，我深刻感受到：

LangChain4j 不仅是 Java 开发者接入大模型的桥梁，更是帮助我们把 LLM 输出结构化、类型安全的神器！

从一开始的 "String拿来打印" 到现在的 "拿来即用的对象"，我越来越觉得——这才是企业级 AI 应用真正应该追求的方向。

好了，今天分享到这里啦！如果你也在做 Java 方向的 AI 接入，可以一起交流鸭~ 欢迎点赞+转发，让更多程序员知道这个超强框架！