第一次開火之前，先讀懂食譜的人：一篇 LangChain4j 新手教程的廚房滋味

2026年10月4日，掘金上出現了一篇 LangChain4j 的新手實戰教程，作者是位自稱學 AI Agent 不超過一個月、寫 Java 後端出身的開發者。文章開頭那句「如有錯誤，歡迎批評指正」，讀起來就像新手第一次辦桌前，先跟客人打聲招呼：菜可能不完美，但食材是真的。

這篇教程講的事情，翻譯到廚房裡其實很好懂：LangChain 這個框架，就是把大模型、文件、向量庫和各種工具 API 組裝起來，快速搭出一道菜。你可以自己從養雞、種蔥開始，也可以先學會把現成的好料排進冰箱、按食譜開火。新手要的常常是後者。

備料清單：先把依賴加進購物車

教程的起手式很樸實，在 pom.xml 裡加依賴，核心包是必須的，再挑一個相容 OpenAI 協議的包。這就像煮一鍋湯之前，先確認爐子通瓦斯、鍋子沒破。東西不花俏，但少了任何一樣，後面全煮不成。

接著作者示範了三種開火方式：接阿裏雲百煉的 qwen-turbo、接 DeepSeek 開啟思考內容解析、接火山方舟的 endpoint。三種爐火，火力參數各有脾氣，但鍋子是同一口。最後生成內容那一行 model.chat("你好")，作者自己都忍不住說：沒錯，就是這麼一行代碼。

這一行，像極了第一次煎蛋。你讀了半天食譜、備齊了油和鍋鏟，真正下鍋的動作只有那麼一下。蛋在鍋裡滋滋作響的瞬間，你才明白前面所有準備是為了什麼。

我們先前聊過學做菜的第一步是先端一道小菜上桌，這篇教程的作者走的是同一條路：不先買整套鍋具，先讓一道菜真的端出來。

教程後半段講到 RAG，檢索增強生成。用廚房的話說，就是幫大模型外接一本可翻閱的食譜書。客人問問題時，先去書裡翻到相關那一頁，把資料連同問題一起端給模型，讓它根據查到的材料回答，而不是只憑腦中舊記憶硬掰。

作者講得很直白：這是為了避免大模型幻覺，免得它一本正經地胡說八道。廚房裡的對應場景你一定遇過，記憶中媽媽滷肉好像有放梅子，於是憑印象下去燉，端出來才發現味道根本不對。翻出那張泛黃的手寫食譜，永遠比回憶可靠。

至於為什麼不直接把知識訓練進模型？作者給了幾個理由：訓練需要時間、最新知識無法即時更新；外接知識庫的回答可以附上原文片段，便於溯源；而且解耦合，方便更換。放在廚房裡就是：與其把所有味道背進腦子，不如在架上放一本可以隨時換新版的家常菜百科。昨天買的絲瓜、上週才上市的新品種，背是背不完的，翻書最快。

這套「權限、火候與備料分工」的思考，我們在企業中央廚房的不出包備菜課裡也聊過，道理是同一個：大廚房要穩，靠的是流程，靠的是天才廚師的靈光。

整篇教程最動人的地方，是作者坦白自己近三年都在打磨產品、沒碰 AI，基礎不比新人強多少。這種誠實，在滿桌米其林擺盤的網路世界裡，像一碗熱騰騰的白粥。

會煮的人寫的食譜，有時反而難學，因為太多步驟被「這還用說嗎」省略掉了。剛下廚的人寫的食譜，每一步都記得自己卡在哪裡：原來火山方舟要填的是 endpoint id，不是模型名。這種註記，救的是下一個剛走進廚房的人。

如果你最近也在學新東西，無論是寫程式還是煮菜，這篇教程給的線索很簡單：先把一行代碼跑起來，先把一顆蛋煎熟。剩下的加強，像是外接知識庫、換更好的模型，都是等基礎那口鍋熱了之後的事。

廚房的燈還亮著，爐上有火，冰箱裡有料。今晚就從最小的那一道開始。