以下以我自己的使用体会做一下Spring AI和Langchain4j的对比，以便提供给需要java技术栈选型的人使用，你可以留言一起交流使用心得或者见解。
（一）架构设计
-
LangChain4j
采用分层架构，设计上比较灵活，可以独立于特定的框架使用，也可以集成到Spring Boot等框架中，提供低阶API（如ChatLanguageModel）与高阶服务（AiServices）双模式。其模块化设计允许开发者自由组合，灵活性更适合需要深度定制LLM行为的场景，但学习曲线较陡。目前最新版本为1.0.0 – beta3 ，发布于2025年4月11日。该版本在结构化输出、Amazon Bedrock支持、Mistral支持、MCP改进、内存泄漏修复等方面有显著变化，同时也移除了一些已弃用的API和接口。在上手难度上较高，复杂的配置和使用方式需要花费时间去学习
-
Spring AI
作为Spring生态的延伸，其设计遵循“POJO优先”原则。框架通过@Configuration类注入AI能力，与Spring Boot无缝集成。API设计强调声明式编程，这种设计使Spring开发者能沿用熟悉的依赖注入模式，但定制化需深入Spring扩展机制。Spring AI核心框架最新版本为1.0.0-SNAPSHOT ，在2025年迎来多项重磅更新，包括多模态支持全面升级、向量存储增强与RAG框架完善、提示工程工具集引入、模型评估与监控功能新增等。
备注：软件工程上，快照版本稳定性较低，可能存在大量未解决的 Bug 或未完成的功能。主要用于开发人员之间的协作和内部测试；Beta 版本相对稳定，核心功能基本可用，但仍需进一步优化和完善。它已经过初步测试，可以提供给部分用户进行试用。
（二）开发体验
-
LangChain4j
功能丰富，比Spring AI灵活，示例较多，可以减少了自己造轮子的工作，不强制绑定在 Spring 框架上，但对于不熟悉 LangChain 概念的纯 Java/Spring 开发者，需要额外学习一套 LangChain 特有的术语和组件交互方式（PromptTemplate, Chain, Agent, Tool, Memory, VectorStore 等，其实主要还是交互）。
-
Spring AI
致力于提供一套标准接口，可以自然地结合 Spring 的其他特性，这是其核心优势。通过 Spring Boot Starters 实现自动配置，使用 @Autowired 注入 ChatClient, EmbeddingClient 等核心接口，通过application.properties/yml 进行配置，符合 Spring 开发者的习惯。。
（三）社区支持与生态系统
-
LangChain4j
– 社区活跃度：GitHub活跃度高，近半年更新频繁，社区贡献示例代码丰富，目前7.1k Star，212 Contributors（20250421数据）。
– 未来发展：主要受 Python LangChain 的发展和 Java 社区贡献的驱动。其未来方向可能紧随 Python LangChain 的脚步，将新特性移植到 Java。在生态上定位为 Java 世界的通用 AI 应用编排框架，不局限于特定框架。
-
Spring AI
– 社区活跃度：社区活跃度较高，官方文档持续更新，目前4.7k Star，264 Contributors（20250421数据）。另外，有阿里巴巴基于Spring AI构建的Spring AI Alibaba项目，进一步丰富了其社区生态。
– 未来发展：由 Spring 官方团队 直接驱动和维护，是 Spring 生态系统的重要组成部分。这意味着有稳定的资源投入和清晰的路线图。
（四）可观测性
|
|
|
|
|
特性 |
SpringAI |
LangChain4j |
|
核心机制 |
利用 Spring Boot Actuator, Micrometer (Metrics & Tracing) |
自有 langchain4j-observability 模块，底层可能用 OpenTelemetry |
|
主要集成 |
通用监控系统 (Prometheus, Grafana, Jaeger, Zipkin, Datadog, etc.) |
LangSmith (LLM 应用专用平台), 可能支持 OpenTelemetry 后端，注意: LangSmith没有开源版本，商业化使用。不过可以用Langfuse |
|
侧重点 |
无缝融入现有 Spring 应用的监控体系 |
提供针对 LLM 调试和优化的专用平台 (LangSmith) |
|
配置方式 |
标准 Spring Boot 配置 (添加 starters, application.properties/yml 配置) |
添加依赖，配置环境变量 (如 LangSmith API Key) 或通过代码配置 ServiceLoader |
|
数据展示 |
在 Grafana, Jaeger, Zipkin 等通用工具中查看指标和追踪 |
主要在 LangSmith UI 中查看详细的 LLM 调用、Prompt/Response、Token、延迟等 |
-
Spring AI可观测性
需要结合Zipkin、Grafana 等使用。
（图片来自：https://www.cnblogs.com/guoxiaoyu/p/18669015）
-
Langchain4j支持
（四）、面临问题
均面临版本不稳定，迭代升级快导致的包名及使用方法上的前后不兼容，包括跟项目依赖的不兼容，这个在开发过程中会非常痛苦，比如：
-
Langchain4j
1.0.0-alpha1之前使用千问需要引入
最新版本改为：
由于路径的改变，在使用新版本时，经常需要查看升级日志或到Git上看一下最新引用路径和使用方法。
以及调用方法的改变：
低版本中为
最新的1.0.0版本为：
-
Spring AI
Spring AI也在发展过程中也做过大的重构，因其目前还是快超版本，所以会频繁更新。
如：SpringBoot结合中，POM中的artifactId由：
spring-ai-openai-spring-boot-starter
更改为
spring-ai-starter-model-openai
