最近在深度体验和使用 Spring AI 和 LangChain4j，从开始的满怀期待五五开，但最后极具痛苦的使用 LangChain4j，让我真正体验到了正规军和草台班子的区别。

Spring AI VS LangChain4j

• Spring AI：使用简单、写法优雅、但功能提供的较少、成熟度稍高；
• LangChain4j：作为移植大模型著名框架 LangChain 功能稍多、灵活度高、使用复杂、满是 BUG。还有根本找不到关键内容的官方文档，该有的重要内容是一点都不介绍啊，使用和学习成本很高。

1.SDK 问题折腾到半夜

举个例子，我昨天下午到晚上 11 点半都在研究 LangChain4j 将连续对话保存到 MySQL，首先官方并没有提供文档和代码示例，其次网上的资源很少，我按照经验和摸索终于写了一版实现，但从晚上 8 点调试到 11 点半，各种查文档、看源码都没有完全调好，第二次对话时总是莫名其妙报错，且数据库存储的数据量远超于实际执行次数。

然后就是各种尝试、各种折腾，把流式输出换成全量输出；保存数据之前先删除再添加等等。

最终您猜怎么着？原来这个问题竟然和模型 SDK 有关，我把模型从阿里百炼换成 OpenAI 之后，全部问题竟然解决了，害得我折腾到半夜，竟然是源码 BUG。

而且就这还有 BUG，在后期连续对话时，按照 SDK 会把之前聊天的角色从 AI 改完 User，虽然不影响执行结果，但本质上还是有 BUG，这肯定也是源码问题，不纠结了，反正最新的版本也是 beta 版，就先这样吧。

2.错误的官方文档

还有在对接阿里百炼平台时，官方给到文档是这么写的：

其实官方文档中间是少一个“chat-model”，你如果按照他的配置方法，根本没办法完成大模型的自动注入，网上资料千篇一律全是手动创建，但显然不够优雅，无维护性可言。

最后看了源码才发现，如果想自动装配，需要配置一个“chat-model”，源码如下：

官方文档也是无敌了。

3.蹩脚的用法

LangChain4j 的使用也是比较麻烦，在 Spring AI 中使用 ChatModel 就可以操作大模型了，但 LangChain4j 要写成 ChatLanguageModel。

这多不算啥，关于流式输出更有意思，Spring AI 中调用 call 方法是全量输出，调用 stream 就是流式输出，实现相当优雅和简单。

但你猜 LangChain4j 要怎么用，首先要在配置文件中添加 streaming-chat-model 并且配置 api-key 和 model-name 等信息，并且不能使用 ChatLanguageModel 来进行流式输出，还要添加 langchain4j-reactor 依赖，并且使用新对象 StreamingChatLanguageModel 才能操作，真是麻了。

小结

世界是一个巨大的草台班子，所有的优秀背后都是居大的付出和努力。AI 相关技术才刚刚起步，还有很大的发展空间，我们需要宽容一些、给他一点时间。把一切交给时间，只管默默努力和时间一起增值就好。

特殊说明

以上内容来自我的《大模型应用开发》 课程，这门课程为视频+图文版版，深入浅出学习了大模型应用开发的各种技术，例如系统学习了 LangChain4j、Spring AI 等技术，其中包含：MCP、Function Call、RAG（简单、原生、高级应用）、向量数据库（Milvus、RedisStack）、Prompt工程、多模态、向量数据库、嵌入模型、N种主流LLM对接、3种DeepSeek对接、同时调用多种大模型、连续对话保存到数据库、上万种 MCP 通用服务对接、大模型直接操作数据库等，还有很多 AI 案例，如：数据库 AI 助手、快递 AI 助手等都是手把手带你实现。图文课件近 12 万字、100+ 视频手把手教学视频，帮你快速、系统掌握大模型应用开发的核心技术。

如果对此课程感兴趣，请加我微信：vipStone【备注：LLM】