使用 Apache Camel、LangChain4j 和 WhatsApp 构建对话式 AI

1. 概述

本文将演示如何在 Spring Boot 应用中集成 Apache Camel 和 LangChain4j，通过本地部署的 Ollama 处理 AI 对话，实现 WhatsApp 消息的智能响应。Apache Camel 负责系统间的数据路由与转换，LangChain4j 则提供与大语言模型交互的工具链。

ℹ️ 关于 Ollama 的安装与硬件要求，可参考我们之前的教程 在 Linux 上安装 Ollama 生成式 AI。Ollama 同时支持 Windows 和 macOS。

我们将使用 Postman 测试 Ollama API、WhatsApp API 以及 Spring Boot 控制器。

2. Spring Boot 初始配置

首先确保本地端口 8080 未被占用（Spring Boot 默认端口）。由于需要使用 @RequestParam 注解绑定请求参数，必须添加 -parameters 编译参数：

<plugin>
    <groupId>org.apache.maven.plugins</groupId>
    <artifactId>maven-compiler-plugin</artifactId>
    <configuration>
        <source>17</source>
        <target>17</target>
        <compilerArgs>
            <arg>-parameters</arg>
        </compilerArgs>
    </configuration>
</plugin>

⚠️ 若遗漏此配置，反射将无法获取参数名，导致 REST 调用抛出 java.lang.IllegalArgumentException。

为方便调试，开启 DEBUG 级别的消息日志（application.properties）：

# 日志配置
logging.level.root=INFO
logging.level.com.baeldung.chatbot=DEBUG

🔍 排错技巧：可使用 Linux/macOS 的 tcpdump 或 Windows 的 windump 分析 Ollama 与 Spring Boot 间的本地流量。但 WhatsApp Cloud 通信因采用 HTTPS 协议，抓包会复杂得多。

3. LangChain4j 集成 Ollama

默认 Ollama 监听端口 11434。本文使用 qwen2:1.5b 模型（速度较快），但可自由选择其他模型。

LangChain4j 提供多个 ChatLanguageModel.generate(..) 方法，**底层均调用 Ollama 的 REST 接口 /api/chat**。先用 Ollama 文档中的 JSON 示例验证 API 可用性：

✅ 收到有效 JSON 响应后即可集成 LangChain4j。

⚠️ 注意参数大小写！例如 "role": "user" 正确，而 "role": "USER" 会报错。

3.1. 配置 LangChain4j

在 pom.xml 添加依赖（最新版本）：

<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-core</artifactId>
    <version>0.33.0</version>
</dependency>
<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-ollama</artifactId>
    <version>0.33.0</version>
</dependency>

在 application.properties 添加配置：

# Ollama API 配置
ollama.api_url=http://localhost:11434/
ollama.model=qwen2:1.5b
ollama.timeout=30
ollama.max_response_length=1000

💡 ollama.timeout 和 ollama.max_response_length 为可选参数，用于防止某些模型因 bug 导致响应死循环。

3.2. 实现 ChatbotService

使用 @Value 注入配置值，实现逻辑与配置解耦：

@Value("${ollama.api_url}")
private String apiUrl;

@Value("${ollama.model}")
private String modelName;

@Value("${ollama.timeout}")
private int timeout;

@Value("${ollama.max_response_length}")
private int maxResponseLength;

在 @PostConstruct 方法中初始化 OllamaChatModel（封装与 AI 模型交互的配置）：

private OllamaChatModel ollamaChatModel;

@PostConstruct
public void init() {
    this.ollamaChatModel = OllamaChatModel.builder()
      .baseUrl(apiUrl)
      .modelName(modelName)
      .timeout(Duration.ofSeconds(timeout))
      .numPredict(maxResponseLength)
      .build();
}

核心方法 getResponse() 处理问答流程：

public String getResponse(String question) {
    logger.debug("发送至 Ollama: {}",  question);
    String answer = ollamaChatModel.generate(question);
    logger.debug("接收自 Ollama: {}",  answer);
    if (answer != null && !answer.isEmpty()) {
        return answer;
    } else {
        logger.error("Ollama 响应无效，问题:\n\n" + question);
        throw new ResponseStatusException(
          HttpStatus.SC_INTERNAL_SERVER_ERROR,
          "Ollama 未生成有效响应",
          null);
    }
}

3.3. 创建 ChatbotController

开发阶段用于测试 ChatbotService 的控制器：

@Autowired
private ChatbotService chatbotService;

@GetMapping("/api/chatbot/send")
public String getChatbotResponse(@RequestParam String question) {
    return chatbotService.getResponse(question);
}

测试效果：

✅ 符合预期。

4. Apache Camel 集成 WhatsApp

首先在 Meta for Developers 创建账号（测试阶段 WhatsApp API 免费）。

4.1. ngrok 反向代理

需使用跨平台反向代理工具 ngrok 创建 HTTPS 公网隧道，将本地 Spring Boot 服务暴露给 WhatsApp。命令如下（替换 xxx.ngrok-free.app 为你的静态域名）：

ngrok http --domain=xxx.ngrok-free.app 8080

此命令将 https://xxx.ngrok-free.app 转发到 http://localhost:8080。

4.2. 配置 Apache Camel

添加三个关键依赖（最新版本）：

<dependency>
    <groupId>org.apache.camel.springboot</groupId>
    <artifactId>camel-spring-boot-starter</artifactId>
    <version>4.7.0</version>
</dependency>
<dependency>
    <groupId>org.apache.camel.springboot</groupId>
    <artifactId>camel-http-starter</artifactId>
    <version>4.7.0</version>
</dependency>
<dependency>
    <groupId>org.apache.camel</groupId>
    <artifactId>camel-jackson</artifactId>
    <version>4.7.0</version>
</dependency>

📌 依赖说明：

camel-spring-boot-starter：集成 Camel 到 Spring Boot

camel-http-starter：支持 HTTP/HTTPS 路由

camel-jackson：JSON 序列化/反序列化

在 application.properties 添加配置：

# WhatsApp API 配置
whatsapp.verify_token=BaeldungDemo-Verify-Token
whatsapp.api_url=https://graph.facebook.com/v20.0/PHONE_NUMBER_ID/messages
whatsapp.access_token=ACCESS_TOKEN

⚠️ PHONE_NUMBER_ID 和 ACCESS_TOKEN 需从 WhatsApp Business 获取（后续步骤说明）。

4.3. Webhook 验证控制器

需创建控制器验证 WhatsApp webhook 令牌，确保接口安全：

@Value("${whatsapp.verify_token}")
private String verifyToken;

@GetMapping("/webhook")
public String verifyWebhook(@RequestParam("hub.mode") String mode,
  @RequestParam("hub.verify_token") String token,
  @RequestParam("hub.challenge") String challenge) {
    if ("subscribe".equals(mode) && verifyToken.equals(token)) {
        return challenge;
    } else {
        return "Verification failed";
    }
}

当前进展：

✅ ngrok 已暴露本地服务
✅ Camel 依赖已添加
✅ Webhook 验证控制器就绪
❌ 尚未获取 PHONE_NUMBER_ID 和 ACCESS_TOKEN

4.4. WhatsApp Business 账号配置

官方入门指南较复杂，以下步骤专为 Spring Boot 集成优化：

创建名为 "Baeldung Chatbot" 的商业组合
创建商业应用
复制 WhatsApp 手机号 ID 到 whatsapp.api_url
发送测试消息到个人手机（集合此页面，开发中可能需要）

此时应收到测试消息：

获取 whatsapp.access_token：

访问系统用户
生成永不过期的令牌（需管理员权限）

🚀 启动 Spring Boot 应用后再配置 webhook！

在 WhatsApp 后台配置：

Callback URL：https://xxx.ngrok-free.app/webhook
Verify Token：BaeldungDemo-Verify-Token

⚠️ 严格按顺序操作，避免踩坑！

4.5. 配置 WhatsAppService 发送消息

先用 Postman 测试消息发送，观察 JSON 结构和请求头：

请求头（Authorization 格式：Bearer + ACCESS_TOKEN）：

请求体：

⚠️ HTTP 200 仅表示请求成功，消息实际发送需满足条件：用户需先从手机向商业号发送消息（机器人不能主动发起对话）。

注入配置值：

@Value("${whatsapp.api_url}")
private String apiUrl;

@Value("${whatsapp.access_token}")
private String apiToken;

init() 方法配置 Camel 路由（复制 Postman 的请求头）：

@Autowired
private CamelContext camelContext;

@PostConstruct
public void init() throws Exception {
    camelContext.addRoutes(new RouteBuilder() {
        @Override
        public void configure() {
            JacksonDataFormat jacksonDataFormat = new JacksonDataFormat();
            jacksonDataFormat.setPrettyPrint(true);

            from("direct:sendWhatsAppMessage")
              .setHeader("Authorization", constant("Bearer " + apiToken))
              .setHeader("Content-Type", constant("application/json"))
              .marshal(jacksonDataFormat)
              .process(exchange -> {
                  logger.debug("发送 JSON: {}", exchange.getIn().getBody(String.class));
              }).to(apiUrl).process(exchange -> {
                  logger.debug("响应: {}", exchange.getIn().getBody(String.class));
              });
        }
    });
}

sendWhatsAppMessage() 方法通过 Camel 的 ProducerTemplate 发送消息：

@Autowired
private ProducerTemplate producerTemplate;

public void sendWhatsAppMessage(String toNumber, String message) {
    Map<String, Object> body = new HashMap<>();
    body.put("messaging_product", "whatsapp");
    body.put("to", toNumber);
    body.put("type", "text");

    Map<String, String> text = new HashMap<>();
    text.put("body", message);
    body.put("text", text);

    producerTemplate.sendBody("direct:sendWhatsAppMessage", body);
}

4.6. 配置 WhatsAppService 接收消息

processIncomingMessage() 处理 webhook 消息，调用 AI 服务并回复：

@Autowired
private ObjectMapper objectMapper;

@Autowired
private ChatbotService chatbotService;

public void processIncomingMessage(String payload) {
    try {
        JsonNode jsonNode = objectMapper.readTree(payload);
        JsonNode messages = jsonNode.at("/entry/0/changes/0/value/messages");
        if (messages.isArray() && messages.size() > 0) {
            String receivedText = messages.get(0).at("/text/body").asText();
            String fromNumber = messages.get(0).at("/from").asText();
            logger.debug(fromNumber + " 发送消息: " + receivedText);
            this.sendWhatsAppMessage(fromNumber, chatbotService.getResponse(receivedText));
        }
    } catch (Exception e) {
        logger.error("处理消息失败: {} ", payload, e);
    }
}

4.7. 创建 WhatsAppController

发送消息测试接口：

@Autowired
private WhatsAppService whatsAppService;    

@PostMapping("/api/whatsapp/send")
public String sendWhatsAppMessage(@RequestParam String to, @RequestParam String message) {
    whatsAppService.sendWhatsAppMessage(to, message);
    return "Message sent";
}

测试效果：

接收消息的 webhook 接口：

@PostMapping("/webhook")
public void receiveMessage(@RequestBody String payload) {
    whatsAppService.processIncomingMessage(payload);
}

最终测试效果：

✅ Ollama 使用 LaTeX 语法回答数学问题。qwen2:1.5b 模型支持 29 种语言，完整列表。

5. 总结

本文演示了如何通过 Apache Camel 和 LangChain4j 在 Spring Boot 中构建 WhatsApp 对话式 AI，核心步骤包括：

Ollama 本地部署：配置 AI 模型服务
LangChain4j 集成：通过 ChatbotService 处理 AI 交互
WhatsApp 集成：
- 使用 ngrok 暴露本地服务
- 配置 Apache Camel 处理消息路由
- 通过 WhatsAppService 实现消息收发
全流程测试：通过专用控制器验证功能

📦 完整源码见 GitHub 仓库。

Persistence

REST

Security