1. 项目概述当AI智能体遇上MySQL数据库去年在开发一个票务管理系统时我遇到了一个典型问题业务人员总想用自然语言查询数据库比如帮我查下明天北京到上海还有哪些余票。传统做法要么开发固定查询接口要么培训SQL使用都不够灵活。直到发现了LangChain4j这个Java版的AI编排框架配合MySQL数据库终于找到了完美解决方案。这个项目将带你从零开始用LangChain4j构建一个能理解自然语言、自主操作MySQL的AI智能体。不同于简单的聊天机器人它能真正执行数据库操作——查询班次、解读政策、甚至完成订票交易。目前最新版LangChain4j 0.35.0已原生支持MySQL连接配合Spring Boot可以快速构建生产级应用。2. 核心架构设计2.1 技术栈选型分析为什么选择LangChain4j而不是Python版的LangChain在Java生态中我们有这些优势与Spring Boot无缝集成适合企业级应用强类型检查减少运行时错误成熟的线程模型处理高并发原生支持JDBC和主流ORM框架基础架构包含三个关键层AI交互层LangChain4j核心Vertex AI Gemini模型业务逻辑层Spring Boot应用服务数据存储层MySQL 8.0需要支持JSON和向量搜索2.2 数据库设计要点为让AI智能体高效工作MySQL表设计需特别注意CREATE TABLE bus_schedules ( id VARCHAR(36) PRIMARY KEY, departure_city VARCHAR(50) NOT NULL, arrival_city VARCHAR(50) NOT NULL, departure_time DATETIME NOT NULL, price DECIMAL(10,2) NOT NULL, seats INT DEFAULT 50, -- 新增向量搜索字段 route_vector JSON COMMENT 城市名生成的向量, FULLTEXT INDEX idx_cities (departure_city, arrival_city) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;关键设计考量使用自生成UUID替代自增ID避免暴露业务信息为城市名称创建全文索引加速模糊查询预留vector字段供未来扩展语义搜索所有时间字段明确时区信息3. 环境准备与配置3.1 开发环境搭建推荐使用以下组合JDK 17LangChain4j需要Java 11IntelliJ IDEA对Spring Boot支持最好MySQL 8.0.28必须支持JSON操作Maven 3.8pom.xml关键依赖dependency groupIddev.langchain4j/groupId artifactIdlangchain4j-spring-boot-starter/artifactId version0.35.0/version /dependency dependency groupIdmysql/groupId artifactIdmysql-connector-java/artifactId scoperuntime/scope /dependency3.2 MySQL特殊配置在my.cnf中添加这些参数以优化AI智能体访问[mysqld] innodb_buffer_pool_size 1G # 缓存池大小 max_connections 200 # 并发连接数 thread_cache_size 10 # 线程缓存 innodb_flush_log_at_trx_commit 2 # 平衡性能与持久化重要提示生产环境务必配置SSL连接避免AI智能体传输敏感数据时泄露4. 核心功能实现4.1 智能体服务定义首先定义AI智能体的能力接口public interface DatabaseAgent { SystemMessage( 你是一个专业的MySQL数据库助手能够将自然语言转换为SQL查询 并安全地执行数据操作。必须遵守以下规则 1. 永远不要执行DROP/TRUNCATE语句 2. 敏感字段需脱敏显示 3. 每次最多返回10条记录 ) String chat(MemoryId String sessionId, UserMessage String query); }4.2 SQL生成与执行实现安全的SQL处理流程public class SqlAgentService { private final JdbcTemplate jdbcTemplate; Tool(执行安全的SELECT查询) public String executeQuery(String sql) { // 1. SQL注入检测 if(sqlDetector.isDangerous(sql)) { throw new SecurityException(危险的SQL语句); } // 2. 分页处理 String limitedSql sql LIMIT 10; // 3. 执行查询 return jdbcTemplate.queryForList(limitedSql) .stream() .map(this::maskSensitiveFields) .collect(Collectors.toList()); } private MapString, Object maskSensitiveFields(MapString, Object row) { // 实现字段脱敏逻辑 } }4.3 事务处理机制对于写操作需要特别处理Transactional Tool(执行安全的INSERT/UPDATE操作) public String executeUpdate(String sql) { if(!sqlValidator.isSafeForUpdate(sql)) { throw new IllegalArgumentException(非法的更新语句); } int affectedRows jdbcTemplate.update(sql); return 操作成功影响行数: affectedRows; }5. 高级功能实现5.1 向量搜索集成虽然MySQL不是专业向量数据库但我们可以利用JSON字段实现基础功能首先在应用中生成向量public float[] generateEmbedding(String text) { EmbeddingModel model new VertexAiEmbeddingModel(); return model.embed(text).content().vector(); }存储到MySQLpublic void saveWithEmbedding(Schedule schedule) { float[] vector generateEmbedding(schedule.getRouteText()); String sql INSERT INTO bus_schedules VALUES (?, ?, ?, ?, ?, JSON_ARRAY_PACK(?)); jdbcTemplate.update(sql, schedule.getId(), schedule.getDepartureCity(), schedule.getArrivalCity(), schedule.getDepartureTime(), schedule.getPrice(), vector); }实现相似度查询public ListSchedule searchByVector(float[] queryVector) { String sql SELECT *, JSON_ARRAY_UNPACK(route_vector) AS vector FROM bus_schedules ORDER BY VECTOR_DISTANCE(route_vector, JSON_ARRAY_PACK(?)) LIMIT 5 ; return jdbcTemplate.query(sql, new ScheduleRowMapper(), queryVector); }5.2 动态工具注册让智能体能发现新的数据表public void registerTableTools(String tableName) { AiServices.builder(DatabaseAgent.class) .tools(createTableTool(tableName)) .build(); } private Object createTableTool(String tableName) { return new Object() { Tool(查询 tableName 表数据) public String queryTable(String conditions) { String sql SELECT * FROM tableName WHERE conditions; return executeQuery(sql); } }; }6. 性能优化实践6.1 缓存策略为减少AI模型调用开销Cacheable(value sqlCache, key #query) public String processQuery(String query) { // 调用AI模型生成SQL return aiModel.generateSql(query); }6.2 连接池配置在application.yml中优化HikariCPspring: datasource: hikari: maximum-pool-size: 20 connection-timeout: 30000 idle-timeout: 600000 max-lifetime: 18000006.3 批量处理模式对于大量查询请求Scheduled(fixedDelay 5000) public void processBatchQueries() { ListQueryTask tasks queryQueue.drain(100); if(!tasks.isEmpty()) { ListString results batchProcessor.process(tasks); // 异步通知结果 } }7. 安全防护措施7.1 SQL注入防护使用多层防御策略public class SqlInjectionDetector { private static final Pattern[] BLACKLIST { Pattern.compile((?i)drop\\stable), Pattern.compile((?i)truncate\\stable), Pattern.compile(;\\s*--) }; public boolean isDangerous(String sql) { for(Pattern p : BLACKLIST) { if(p.matcher(sql).find()) { return true; } } return false; } }7.2 访问控制基于Spring Security实现PreAuthorize(hasPermission(#tableName, read)) public String queryTable(String tableName, String conditions) { // 实现查询逻辑 }7.3 审计日志记录所有AI生成的操作Aspect Component public class AuditLogAspect { AfterReturning( pointcut annotation(tool), returning result) public void logToolUsage(Tool tool, Object result) { auditLogger.log( Tool used: tool.value(), Result: result.toString()); } }8. 生产部署建议8.1 容器化配置Dockerfile示例FROM eclipse-temurin:17-jdk-jammy WORKDIR /app COPY target/*.jar app.jar ENTRYPOINT [java,-jar,app.jar]8.2 健康检查端点Spring Boot Actuator配置management: endpoint: health: show-details: always endpoints: web: exposure: include: health,info,metrics8.3 监控指标集成Prometheus监控Bean MeterRegistryCustomizerMeterRegistry metricsCommonTags() { return registry - registry.config() .commonTags(application, mysql-agent); }9. 常见问题排查9.1 连接泄漏问题症状应用运行一段时间后出现Too many connections错误解决方案检查连接池配置使用以下SQL监控连接状态SHOW STATUS LIKE Threads_connected; SHOW PROCESSLIST;9.2 性能下降问题症状简单查询响应变慢检查步骤分析慢查询日志SET GLOBAL slow_query_log ON; SET GLOBAL long_query_time 1;检查索引使用情况EXPLAIN SELECT * FROM bus_schedules WHERE departure_city北京;9.3 AI模型不稳定症状生成的SQL时好时坏优化策略在SystemMessage中提供更详细的表结构信息实现SQL验证层对不良SQL进行修正使用few-shot learning提供示例10. 项目演进方向10.1 多数据源支持扩展架构以支持其他数据库public interface DataSourceAdapter { String query(String sql); String schema(); } Bean public DataSourceAdapter mysqlAdapter(JdbcTemplate jdbcTemplate) { return new MySqlAdapter(jdbcTemplate); } Bean public DataSourceAdapter redisAdapter(RedisTemplate template) { return new RedisAdapter(template); }10.2 可视化查询构建器基于React的前端界面包含自然语言输入框生成的SQL预览执行历史记录数据可视化图表10.3 强化学习优化收集用户反馈训练模型public void trainModel(String query, String sql, boolean isCorrect) { trainingData.add(new TrainingSample(query, sql, isCorrect)); if(trainingData.size() 1000) { model.refine(trainingData); trainingData.clear(); } }在实际项目中这种MySQL智能体最适合用于企业内部数据查询系统电商后台数据分析物流运输管理系统任何需要自然语言交互的数据库应用我团队在使用这套架构6个月后业务人员的数据查询效率提升了3倍IT部门的简单查询开发需求减少了70%。最关键的是找到了安全与便利的平衡点——既不让业务人员直接访问数据库又能满足他们灵活查询的需求。