Spring AI vs LangChain4J
前面我们介绍过Spring AI和LangChain4j了，同时也介绍过Spring AI Alibaba，在RAG这个章节中我们介绍了关于他们内置的一些分块器、文档处理器等等，也介绍了很多RAG的优化技术，包括元数据过滤、问题改写、查询路由、查询构造、问题澄清、混合检索、HyDE、重排排序等等。 那么，综合来看，我们要做一个RAG，用哪种更合适呢？
✅Spring AI 和 LangChain4J中文档处理功能对比
前面两个章节我们介绍过了Spring AI和LangChain4J中的RAG中文档分段的相关支持，我们把他们放一起做个简单的对比： LLMentor
✅Spring AI 和 LangChain4J的模块化RAG功能对比
前面两个章节我们介绍过了Spring AI和LangChain4J中的模块化RAG的相关支持，我们把他们放一起做个简单的对比： 同样都支持的功能：查询富化、查询重写、查询扩展、以及提示增强部分的功能。 SpringAI中支持，但是Lang LLMentor 上面这2篇文章中，我们介绍过关于Spring AI和LangChain4j中的一些支持的差异，整体看下来，两个的功能差不多，都有些自己的优势，也都有不足的地方。 最终我们选择的是LangChain4j+ Python，主要原因如下： 1、在文档处理中，不管是Spring AI还是LangChain4j，支持的都不够，我们决定都不用，而是用更牛逼的Python，他有很多现成的工具可以帮我们更好的做文档处理。 2、LangChain4J支持混合检索和重排序，而Spring AI不支持，需要我们自己基于他的Advisor机制来实现。
向量数据库
向量数据库有很多选择，包括我们前面讲过的pgvector，在这个项目中，我们换个方案，选择使用ElasticSearch + IK分词器。
因为我们在项目中要用到混合检索，ES本身就同时支持语义相似检索和关键词检索，可以直接用它来做混合检索，就不需要搞两个不同的数据库了。
（当然，其实pgsql也支持全文检索和向量检索的，虽然他的全文检索用的比较少哈，但是也是支持的。所以，如果只用pgvector的话，也不是不能实现，或者你就想用pg+es，也不是不行，其实这块影响不算大，实际写简历的时候可以根据你自己比较熟悉的，或者公司主要用的技术栈来写。）
那么存储方案就是：
向量存储：es
关系型数据存储：mysql
文档内存存储：es
缓存的存储：redis
文件的存储：minio
如果要用pgsql+pgvector的话，也不是不行，那么组合就是：
向量存储：pg
关系型数据存储：pg
文档内存存储：es
缓存的存储：redis
文件的存储：minio
文件存储
我们需要针对文档、图片等等内容做存储，我们选择开源的minio，这个大家都比较熟悉，上手成本低。
关系型数据库
除了需要es来做混合检索以外，我们的应用还需要做一些数据存储的，比如对话信息存储，用户信息存储，权限管理等等，这部分，我们选择使用MySQL，相比于pgsql来说，用户基数更大，熟悉的人更多，SQL更简单一些。
图数据库
图数据库，我们选择neo4j，因为他最牛逼，排名第一。
https://db-engines.com/en/ranking/graph+dbms
其他框架
Spring Boot 我们选择3.5.6，虽然4.0已经出了，但是实测和很多框架存在不兼容问题，没办法，只能用3.5了。 JDK我本地用的JDK 21，建议大家都用这个版本，或者最低也要JDK 17以上。 另外，还用到了myabtis、mybatisplus、fastjson等框架。。。