知识不是简单的拼接，而是深入理解之后的灵活运用。
当下挑战
在当前形势下，对于 Java 程序员有两个挑战：
- 工作中的挑战：目前各个业务系统要进行 AI 化功能升级，例如添加智能客服系统、ChatBI 看板功能、领域相关 AI 工具，帮助用户提效等，但传统的 Java 开发技术，已无法支撑如今项目的 AI 改造和升级。
- 找工作时的挑战：大家都知道这两年编程行业的薪资很高，所以 Java 从业者也越来越多，当供给远远大于需求时就导致现在薪资越来越低，以及找工作难度越来越大。那怎么办？如果才能提高自己的竞争力？如何才能让自己的简历更有亮点呢？
SpringAI 和 LangChain4j
Java 程序员如何高效学习大模型应用开发技术呢？那一定逃不开这两个技术：
- Spring AI：Spring 官方为 Java 程序员对接大模型开发提供的开源框架，大模型核心技术对接都包括了，例如 MCP、Function Call、Rag、嵌入模型、向量数据库对接、Agent 开发等。
- LangChain4j：移植了大模型应用开发最流行框架 LangChain 的 Java 版实现，也是社区开源项目，因为有 LangChain 只支持 Python 和 JavaScript，所以对于 Java 程序员是非常不友好的，所以就有了这个开源项目。因为有 LangChain 的光环，所以此框架在大模型应用开发方面也有一席之地。
二者相比，Spring AI 使用成本最低，学习起来也更简单，但 LangChain4j 提供了更多的功能，可以完成更多生产级别的特殊业务需求。
例如它的 Rag 就提供了三种实现：简单 Rag、原生 Rag、高级 Rag，这样开发者可以根据数据源选择合适的文件加载器、文件解析器、文件转换器、文件分词器等，因此它的功能更强大，但学习成本也更高。
