引言

哈嘍大家好，我是小米！

最近啊，辦公室的幾個(gè)同事圍著我問(wèn)：“你不是在搞 LangChain4j 嗎？我們公司要做一個(gè)小型的智能問(wèn)答系統(tǒng)，能不能用這個(gè)把客戶的問(wèn)題自動(dòng)分類一下？”

我當(dāng)時(shí)笑了笑，心里在想：你們問(wèn)對(duì)人啦！

這篇文章，我就來(lái)跟大家聊聊我最近研究的一個(gè)小主題：LangChain4j 在文本向量化分類上的應(yīng)用。別急，我保證講得通俗易懂，代碼示例安排上，連我媽（如果她想學(xué)編程）都能看懂！

故事從“搜索難題”開(kāi)始

先說(shuō)說(shuō)我是怎么掉進(jìn) LangChain4j 這個(gè)“兔子洞”的。

那天是周四下午，我正窩在公司角落喝著平替星巴克，突然產(chǎn)品小姐姐跑過(guò)來(lái)：“小米，我們的客戶支持后臺(tái)太傻了，能不能加個(gè)功能，把客戶提問(wèn)自動(dòng)分類，比如屬于‘支付問(wèn)題’、‘物流問(wèn)題’、‘售后問(wèn)題’的，都標(biāo)好？”

我點(diǎn)了點(diǎn)頭，說(shuō)了三個(gè)字：“沒(méi)問(wèn)題！”（其實(shí)我心里慌得一批）

于是我開(kāi)始查資料：分類問(wèn)題，傳統(tǒng)方法如樸素貝葉斯、SVM 已經(jīng)用爛了，語(yǔ)義太弱。然后我突然想起，前段時(shí)間不是玩過(guò) LangChain4j 嗎？它不是支持 Embedding 和向量數(shù)據(jù)庫(kù)嗎？

靈感就這么來(lái)了：我們用 Embedding 把每條文本向量化，然后拿去匹配、分類不就行了？

LangChain4j 是個(gè)啥？

在深入前，咱們先快速介紹一下這個(gè)神器：LangChain4j。它是 Java 世界中專為接入 LLM（大語(yǔ)言模型）打造的一套框架。

簡(jiǎn)單說(shuō)，它的作用有三個(gè)：

• 接入 OpenAI、Claude、百度文心一言等大模型。
• 支持 RAG（檢索增強(qiáng)生成），和向量數(shù)據(jù)庫(kù)聯(lián)動(dòng)。
• 提供鏈?zhǔn)秸{(diào)用，方便構(gòu)建類似 ChatGPT 的復(fù)雜對(duì)話流程。

換句話說(shuō)，它是 Java 開(kāi)發(fā)者對(duì)接大模型的高速通道。

而文本向量化（embedding）功能，就是我們今天要用的核心工具之一！

文本分類的思路：Embedding + 向量匹配

我們來(lái)想一下文本分類怎么做。

傳統(tǒng)做法：

• 定義分類標(biāo)簽，比如“支付”、“物流”、“售后”
• 把用戶問(wèn)題和標(biāo)簽一起丟給模型訓(xùn)練分類器

BUT！訓(xùn)練模型太重，太慢，太累，我們只想“輕量上云”！

于是我采用了新的思路，核心邏輯是這樣的：

1. 每個(gè)分類（比如“支付問(wèn)題”、“物流問(wèn)題”）寫(xiě)一個(gè)“描述文本”

2. 用 LangChain4j 的 Embedding 工具把這些描述轉(zhuǎn)為向量，存進(jìn)向量數(shù)據(jù)庫(kù)（比如 FAISS）

3. 客戶提問(wèn)來(lái)了，把問(wèn)題文本也 Embedding 一下

4. 跟向量庫(kù)里的分類向量比對(duì)，找最接近的

5. 得出分類，返回結(jié)果

是不是很聰明？而且零訓(xùn)練、零調(diào)參、部署簡(jiǎn)單！

實(shí)戰(zhàn)開(kāi)始！一步步實(shí)現(xiàn)分類系統(tǒng)

下面，我手把手教你怎么用 LangChain4j 實(shí)現(xiàn)一個(gè)文本分類系統(tǒng)！

第一步：引入依賴

首先在你的 Java 項(xiàng)目中引入 LangChain4j 和 OpenAI 依賴：

圖片

記得加上 OpenAI 的 API Key 配置哦。

第二步：構(gòu)建你的分類向量庫(kù)

圖片

我們把分類定義為 label+說(shuō)明，并通過(guò) embeddingStore 向量化后存進(jìn)去。

第三步：處理客戶問(wèn)題，分類定位

輸入客戶問(wèn)題，通過(guò) embedding 后和已有分類向量比相似度，返回最相近的 label！

第四步：我們測(cè)試一下

圖片

是不是爽到飛起？

小米的改進(jìn)建議

當(dāng)然啦，一個(gè)系統(tǒng)做到這還遠(yuǎn)遠(yuǎn)不夠，我還嘗試了幾個(gè)優(yōu)化方向：

• 分類語(yǔ)料擴(kuò)展：每個(gè)分類不僅只有一句話，可以擴(kuò)展到多個(gè)“描述短句”，向量平均處理后效果更穩(wěn)。
• 多分類返回：可以設(shè)置返回 Top-3 分類，顯示相似度，做成一個(gè)“候選建議”系統(tǒng)。
• 落地結(jié)合數(shù)據(jù)庫(kù)：我用 SQLite 存 Embedding + 分類標(biāo)簽，做到持久化。
• 結(jié)合 Chat Completion 做進(jìn)一步 Q&A 跳轉(zhuǎn)：分類完之后，跳轉(zhuǎn)給 ChatGPT 去細(xì)化對(duì)話，閉環(huán)！

一行 Embedding，打開(kāi)智能應(yīng)用的潘多拉盒子

說(shuō)實(shí)話，自從我把這個(gè)“文本向量化分類”的 Demo 做出來(lái)，產(chǎn)品那邊簡(jiǎn)直愛(ài)死了：“哇，小米你這簡(jiǎn)直就是分類神器啊！”

而我想說(shuō)的其實(shí)是：大模型+Embedding，讓我們這種普通程序員，也能用極小的代價(jià)，搭建出過(guò)去需要專業(yè)算法團(tuán)隊(duì)才能完成的系統(tǒng)。

LangChain4j 是我見(jiàn)過(guò)最 Java 友好的 LLM 框架之一，如果你和我一樣愛(ài) Java，又不想被時(shí)代落下，真的建議你試試！