在 AI 应用爆发的今天，单一的大语言模型往往难以满足所有业务场景的需求。我们经常面临这样的权衡：
- 成本与性能：用 DeepSeek 处理高频的普通对话，用 GPT-4 或通义千问（Qwen-Plus）处理复杂的逻辑推理。
- 高可用容灾：当主模型接口不稳定或限流时，能够无缝切换到备用模型。
LangChain4j给出了完美的答案。本文将带你通过 Spring 的依赖注入特性，实现多模型的独立配置与动态切换。
1. 引入依赖
首先，确保项目中引入了 LangChain4j 的核心依赖。由于通义千问和 DeepSeek 均支持OpenAI 兼容协议，我们只需引入
langchain4j-open-ai模块即可适配绝大多数模型，无需引入各种厂商特定的 SDK。
<dependencies><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j</artifactId><version>0.35.0</version></dependency><dependency><groupId>dev.langchain4j</groupId><artifactId>langchain4j-open-ai</artifactId><version>0.35.0</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency></dependencies>2. 配置多模型实例（核心）
这是实现多模型共存的关键步骤。我们需要通过 Spring 的配置类，为每个模型构建独立的
ChatModel对象，并利用@Bean(name = "...")赋予它们唯一的身份标识。
@ConfigurationpublicclassLLMConfig{// 1. 配置阿里云通义千问模型@Bean(name="qwen")// Bean 名称标识：qwenpublicChatModelqwenModel(){returnOpenAiChatModel.builder()// 建议从环境变量或配置文件读取 Key，避免硬编码.apiKey(System.getenv("ALIYUN_KEY")).modelName("qwen-plus")// 指定模型版本.baseUrl("https://dashscope.aliyuncs.com/compatible-mode/v1")// 通义千问兼容接口.build();}// 2. 配置 DeepSeek 模型@Bean(name="deepseek")// Bean 名称标识：deepseekpublicChatModeldeepseekModel(){returnOpenAiChatModel.builder().apiKey(System.getenv("DEEPSEEK_KEY")).modelName("deepseek-chat").baseUrl("https://api.deepseek.com/v1")// DeepSeek 接口地址.build();}}配置要点：
每个模型的apiKey、modelName和baseUrl都是独立配置的。虽然它们本质上都是OpenAiChatModel类，但通过 Spring 的 Bean Name 机制，它们在容器中是两个完全独立的对象。
3. 场景一：明确指定模型调用
在业务代码明确知道需要使用哪个模型时，可以使用
@Resource(name = "...")精准注入对应的 Bean。
@RestController@RequestMapping("/ai")publicclassAIController{// 精准注入通义千问模型@Resource(name="qwen")privateChatModelqwenModel;// 精准注入 DeepSeek 模型@Resource(name="deepseek")privateChatModeldeepseekModel;// 路由：使用通义千问@GetMapping("/qwen/chat")publicStringchatWithQwen(@RequestParamStringmsg){returnqwenModel.chat(msg);}// 路由：使用 DeepSeek@GetMapping("/deepseek/chat")publicStringchatWithDeepSeek(@RequestParamStringmsg){returndeepseekModel.chat(msg);}}4. 场景二：运行时动态切换模型（进阶）
如果你的业务需要在运行时根据用户等级、任务类型或配置动态选择模型，建议通过
Map来统一管理所有模型实例。
改造配置类：
@ConfigurationpublicclassLLMConfig{// ... 原有的 qwenModel() 和 deepseekModel() 方法保持不变 ...// 将所有模型实例封装到一个 Map 中@BeanpublicMap<String,ChatModel>modelMap(){Map<String,ChatModel>map=newHashMap<>();map.put("qwen",qwenModel());map.put("deepseek",deepseekModel());// 后续接入 GPT-4 或 Claude 时只需在此追加即可returnmap;}}业务调用：
@RestController@RequestMapping("/ai")publicclassDynamicAIController{@ResourceprivateMap<String,ChatModel>modelMap;@GetMapping("/chat")publicStringdynamicChat(@RequestParamStringmodelName,@RequestParamStringmsg){// 根据前端传来的 modelName 动态获取模型实例ChatModelmodel=modelMap.get(modelName);if(model==null){return"Error: Unknown model name "+modelName;}returnmodel.chat(msg);}}核心原理总结
- 独立实例化：LangChain4j 的
ChatModel是无状态的配置聚合体。每个模型通过各自的 Config（Key、URL）创建实例，彼此内存隔离，互不干扰。- Spring 容器管理：利用 Spring IOC 容器的特性，通过 Bean Name 区分相同类型的不同实例，这是解决“多实现注入”的标准方案。
- 统一接口抽象：LangChain4j 优秀的顶层设计使得所有 LLM 都实现了统一的
ChatModel接口。这意味着无论底层切换为 Qwen、DeepSeek 还是 GPT-4，上层业务调用的chat()方法逻辑完全一致，极大地降低了维护成本。
希望这篇博客能帮到大家！如果觉得有用，欢迎点赞收藏。
