使用 原始 HTTP 客户端（如 Apache HttpClient 或 OkHttp）、Spring AI 和 LangChain4j 开发 AI 应用的主要差异，包括功能特性、开发效率、可扩展性等

以下是使用 原始 HTTP 客户端（如 Apache HttpClient 或 OkHttp）、Spring AI 和 LangChain4j 开发 AI 应用的主要差异，包括功能特性、开发效率、可扩展性等方面，并附有完整的代码示例和详细注释。

---

一、技术选型对比概览

特性	原始 HttpClient/OkHttp	Spring AI	LangChain4j
抽象层级	低（直接调用 API）	中高（封装模型调用逻辑）	高（提供链式结构与提示工程支持）
模型适配能力	手动处理请求/响应	支持 OpenAI、Anthropic 等主流模型	支持 LLM、Chat Model、Embedding 等多种模型
提示工程支持	无	基础支持（Prompt, PromptTemplate）	强大（PromptTemplate, Chain, Memory, Tool）
工具集成	需手动集成	可通过 Spring Boot 自动配置	支持自定义工具（Tool）
内存管理	无	可通过 ChatMemory 实现上下文保持	支持 ChatMemory
可维护性	较低（需手动处理错误、序列化等）	高（依赖注入 + 统一接口）	高（模块化设计 + 可插拔组件）
学习曲线	低（适合熟悉 REST 调用的开发者）	中	高（涉及 AI 编排概念）
社区生态	成熟通用 HTTP 客户端	Spring 生态整合良好	Java 领域专用 AI 框架

---

二、完整代码示例

1. 使用原始 OkHttp 调用 OpenAI ChatGPT 接口

import okhttp3.*;

import java.io.IOException;

public class RawHttpClientExample {

    // 替换为你的 OpenAI API Key
    private static final String API_KEY = "your_openai_api_key";
    private static final MediaType JSON = MediaType.get("application/json; charset=utf-8");

    public static void main(String[] args) {
        OkHttpClient client = new OkHttpClient();

        // 构建请求体 JSON
        String jsonBody = "{\n" +
                "  \"model\": \"gpt-3.5-turbo\",\n" +
                "  \"messages\": [\n" +
                "    {\"role\": \"user\", \"content\": \"你好，请介绍一下你自己\"}\n" +
                "  ]\n" +
                "}";

        RequestBody body = RequestBody.create(jsonBody, JSON);

        // 构建请求
        Request request = new Request.Builder()
                .url("https://api.openai.com/v1/chat/completions")
                .post(body)
                .addHeader("Authorization", "Bearer " + API_KEY)
                .build();

        try (Response response = client.newCall(request).execute()) {
            if (!response.isSuccessful()) throw new IOException("Unexpected code " + response);

            System.out.println(response.body().string());
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

⚠️ 注意事项：

• 需要手动处理 JSON 序列化与反序列化。
• 错误处理、重试机制等都需要自己实现。
• 不具备提示模板、记忆等功能。

---

2. 使用 Spring AI 调用 OpenAI

Maven 依赖：

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    <version>0.8.0</version>
</dependency>

示例代码：

import org.springframework.ai.chat.client.ChatClient;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.ai.chat.prompt.Prompt;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Service;

import java.util.Map;

@Service
public class SpringAiService {

    @Value("${spring.ai.openai.api-key}")
    private String apiKey;

    private final ChatClient chatClient;

    public SpringAiService(ChatClient chatClient) {
        this.chatClient = chatClient;
    }

    public String askQuestion(String question) {
        return chatClient
                .prompt()
                .user(userSpec -> userSpec.text(question))
                .call()
                .content();
    }
}

application.yml 配置：

spring:
  ai:
    openai:
      api-key: your_openai_api_key
      model: gpt-3.5-turbo

✅ 优势：

• 自动封装了模型调用逻辑。
• 支持提示模板、记忆、流式输出等高级功能。
• 易于集成到 Spring Boot 应用中。

---

3. 使用 LangChain4j 调用 OpenAI

Maven 依赖：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-open-ai</artifactId>
    <version>0.24.0</version>
</dependency>

示例代码：

import dev.langchain4j.chain.ConversationalRetrievalChain;
import dev.langchain4j.data.document.Document;
import dev.langchain4j.data.segment.TextSegment;
import dev.langchain4j.memory.ChatMemory;
import dev.langchain4j.memory.InMemoryChatMemory;
import dev.langchain4j.model.embedding.EmbeddingModel;
import dev.langchain4j.model.openai.OpenAiChatModel;
import dev.langchain4j.retriever.EmbeddingStoreRetriever;
import dev.langchain4j.service.AiServices;
import dev.langchain4j.store.embedding.EmbeddingStore;
import dev.langchain4j.store.embedding.inmemory.InMemoryEmbeddingStore;

public class LangChain4jExample {

    public static void main(String[] args) {
        // 创建聊天模型
        OpenAiChatModel chatModel = OpenAiChatModel.withApiKey("your_openai_api_key");

        // 创建记忆存储
        ChatMemory chatMemory = InMemoryChatMemory.withMaxMessages(10);

        // 创建 Embedding Store（用于检索）
        EmbeddingStore<TextSegment> embeddingStore = new InMemoryEmbeddingStore<>();
        EmbeddingModel embeddingModel = dev.langchain4j.model.openai.OpenAiEmbeddingModel.withApiKey("your_openai_api_key");

        // 构建检索器
        EmbeddingStoreRetriever retriever = EmbeddingStoreRetriever.from(embeddingStore, embeddingModel);

        // 构建问答链
        ConversationalRetrievalChain chain = ConversationalRetrievalChain.builder()
                .chatLanguageModel(chatModel)
                .retriever(retriever)
                .chatMemory(chatMemory)
                .build();

        // 添加文档内容（模拟知识库）
        Document document = Document.from("Java 是一种广泛使用的编程语言，由 Sun Microsystems 在 1995 年发布。");
        embeddingStore.add(embeddingModel.embed(document.content()).content());

        // 进行问答
        String answer = chain.invoke("Java 是什么？");
        System.out.println(answer);
    }
}

✅ 优势：

• 支持记忆、检索、工具调用等复杂流程。
• 支持链式结构，便于构建复杂的 AI Agent。
• 提供模块化的组件，易于扩展。

---

三、总结表格

功能点	原始 HttpClient/OkHttp	Spring AI	LangChain4j
请求控制	完全可控	封装好	封装好
提示工程	无	支持	强大
记忆管理	无	支持	支持
工具调用	无	有限支持	支持
模型抽象	无	支持多模型	支持多模型
开发难度	低	中	高
可维护性	低	高	高
推荐场景	快速调试、轻量级应用	Spring Boot 项目	复杂 AI Agent、LLM 编排

---

四、结论建议

• 原始 HTTP 客户端：适合快速验证或轻量级项目，但不推荐用于生产级 AI 应用。
• Spring AI：适合已有 Spring Boot 项目，希望快速接入 AI 模型并具备基本编排能力。
• LangChain4j：适合需要复杂编排、记忆、工具调用的 AI 应用，如智能客服、Agent、RAG 系统等。

如果你正在开发一个长期维护的 AI 应用，推荐使用 LangChain4j 或 Spring AI 来提升开发效率和系统可维护性。