# langchain4j-ai-services-patterns

Скилл показывает, как собирать декларативные AI Services на LangChain4j: интерфейсы, аннотации, память и вызов инструментов.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 3700 установок · ★ 363
- Автор: giuseppe-trisciuoglio
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/giuseppe-trisciuoglio/developer-kit/tree/HEAD/plugins/developer-kit-java/skills/langchain4j-ai-services-patterns/SKILL.md
- Обновлён: 2026-09-10
- HTML: https://affpapa.org/nevibecode/skills/langchain4j-ai-services-patterns

## Что делает

Скилл ведёт агента по шагам: сначала интерфейс с методами для общения с моделью, потом аннотации `@SystemMessage` и `@UserMessage` для промптов, затем создание сервиса через `AiServices.create` или билдер. Дальше — память для многоходовых диалогов через `@MemoryId` и `chatMemoryProvider`, и регистрация инструментов с `@Tool` для function calling. Внутри есть готовые примеры кода на Java и справочник по API в `references.md` и `examples.md`.

Ставить есть смысл, если вы пишете Java-приложение с LLM и не хотите вручную склеивать строки промптов. Интерфейсный подход даёт типизацию: сервис может вернуть enum, POJO или список, а не просто строку. Для этого нужны зависимости `dev.langchain4j:langchain4j` и `dev.langchain4j:langchain4j-open-ai` версии 1.8.0 в Maven или Gradle.

Ответы модели недетерминированы, поэтому тесты придётся писать с оглядкой на разброс результатов. Память хранит историю переписки — для нескольких пользователей её надо чистить, иначе сессии перемешаются. Вызов инструментов может стоить дорого, а инструменты с побочными эффектами модель дёргает неожиданно. Ключи и пароли в системные сообщения не кладите.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-ai-services-patterns -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/langchain4j-ai-services-patterns/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/langchain4j-ai-services-patterns/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-ai-services-patterns -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/langchain4j-ai-services-patterns/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-ai-services-patterns -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/langchain4j-ai-services-patterns/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install giuseppe-trisciuoglio/developer-kit langchain4j-ai-services-patterns
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/langchain4j-ai-services-patterns/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-ai-services-patterns -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/giuseppe-trisciuoglio/developer-kit --path plugins/developer-kit-java/skills/langchain4j-ai-services-patterns
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/langchain4j-ai-services-patterns/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add giuseppe-trisciuoglio/developer-kit --skill langchain4j-ai-services-patterns -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/giuseppe-trisciuoglio/developer-kit/tree/HEAD/plugins/developer-kit-java/skills/langchain4j-ai-services-patterns/SKILL.md

## Когда брать
- описать AI-сервис интерфейсом вместо склейки строк промпта
- добавить память в многоходовый диалог с разделением по пользователям
- подключить function calling через аннотацию `@Tool`
- получить от модели структурированный ответ — enum, POJO или список
- собрать RAG-сценарий декларативно, без ручного управления контекстом

## Примеры запросов агенту
- создай AI Service на LangChain4j: интерфейс с методом chat и аннотацией @SystemMessage
- добавь в этот сервис память через @MemoryId и chatMemoryProvider для нескольких пользователей
- зарегистрируй Calculator как инструмент через @Tool и вызови его из сервиса

## Похожие
- [qwencloud-text](https://affpapa.org/nevibecode/skills/qwencloud-text.md) — скилл · 1600 установок
- [check-crewai-api](https://affpapa.org/nevibecode/skills/check-crewai-api.md) — скилл · 650 установок
- [prompt-engineer](https://affpapa.org/nevibecode/agents/prompt-engineer.md) — субагент · 16078 установок
- [openai-api-development](https://affpapa.org/nevibecode/skills/openai-api-development.md) — скилл · 864 установки
- [multi-agent-patterns](https://affpapa.org/nevibecode/skills/guanyang-multi-agent-patterns.md) — скилл · 305 установок
- [prompt-engineering-patterns](https://affpapa.org/nevibecode/skills/prompt-engineering-patterns.md) — скилл · 23418 установок

Из того же набора: [giuseppe-trisciuoglio/developer-kit](https://affpapa.org/nevibecode/by/giuseppe-trisciuoglio/developer-kit.md) — 93 карточки

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md