使用微软 Azure 托管的 OpenAI 服务时，LangChain4j 提供了专门的集成支持，通过 langchain4j-azure-openai 模块可以轻松实现交互。以下是详细的使用指南：

1. 准备工作

• 创建 Azure OpenAI 资源：在 Azure 门户 中创建 OpenAI 资源，获取：
  • 资源端点（Endpoint）：格式如 https://{your-resource-name}.openai.azure.com/
  • API 密钥（Key）：在资源的「密钥和端点」页面获取
  • 部署名称（Deployment Name）：在资源的「模型部署」页面创建模型部署（如部署 gpt-35-turbo 或 gpt-4）

2. 添加依赖

在 pom.xml 中添加 Azure OpenAI 集成依赖：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-azure-openai</artifactId>
    <version>0.272.0</version> <!-- 建议使用最新版本 -->
</dependency>

3. 基础使用示例

以下是调用 Azure OpenAI 模型的基础代码：

4. 带对话记忆的示例

结合对话记忆功能，让模型记住上下文：

5. 关键配置说明

• endpoint：Azure OpenAI 资源的唯一端点，格式固定，不可省略。
• deploymentName：必须与 Azure 门户中创建的部署名称完全一致（区分大小写）。
• API 版本：默认使用最新 API 版本，如需指定可添加 .apiVersion("2023-05-15")。
• 超时与重试：可通过 .timeout(60000) 设置超时，配合重试机制处理临时网络问题。

6. 环境变量配置建议

在生产环境中，建议通过环境变量注入敏感信息：

• Windows（PowerShell）：

$env:AZURE_OPENAI_ENDPOINT = "https://your-resource.openai.azure.com/"
$env:AZURE_OPENAI_API_KEY = "your-api-key"
$env:AZURE_OPENAI_DEPLOYMENT_NAME = "your-deployment-name"

• Linux/macOS（终端）：

  export AZURE_OPENAI_ENDPOINT="https://your-resource.openai.azure.com/"
  export AZURE_OPENAI_API_KEY="your-api-key"
  export AZURE_OPENAI_DEPLOYMENT_NAME="your-deployment-name"
  

7. 常见问题

• 部署名称错误：若提示「部署不存在」，检查 deploymentName 是否与 Azure 门户中的部署名称一致。
• 权限问题：确保 API 密钥对应的 Azure 账号有访问该资源的权限。
• 区域差异：Azure 资源部署在不同区域（如 East US、West Europe），端点会随之变化，需匹配正确区域。

通过以上步骤，你可以在 LangChain4j 中无缝集成 Azure OpenAI 服务，并利用其企业级特性（如稳定的 SLA、数据隐私合规）构建生产级 LLM 应用。