您现在的位置是：首页 > 文章详情

Agents-Flex —— 大语言模型应用开发框架

日期：2024-01-23点击：235收藏

Agents-Flex 是一个优雅的 LLM（大语言模型）应用开发框架。其使用 Java 开发，对标 LangChain。

基础能力

LLM 的访问能力
Prompt、Prompt Template 定义加载的能力
Function Calling 定义、调用和执行等能力
Embedding
Vector Storage
丰富的内容加载器
丰富的文本分割器
LLM Chain
Agents Chain

简单对话

使用 OpenAi 大语言模型:

  public static void main(String[] args) throws InterruptedException {  OpenAiConfig config = new OpenAiConfig();  config.setApiKey("sk-rts5NF6n*******");  Llm llm = new OpenAiLlm(config);  Prompt prompt = new SimplePrompt("请写一个关于小兔子战胜大灰狼的故事。");  llm.chat(prompt, (llmInstance, message) -> {  System.out.println("--->" + message.getContent());  });  Thread.sleep(10000); }

使用 “通义千问” 大语言模型:

  public static void main(String[] args) throws InterruptedException {  QwenLlmConfig config = new QwenLlmConfig();  config.setApiKey("sk-28a6be3236****");  config.setModel("qwen-turbo");  Llm llm = new QwenLlm(config);  Prompt prompt = new SimplePrompt("请写一个关于小兔子战胜大灰狼的故事。");  llm.chat(prompt, (llmInstance, message) -> {  System.out.println("--->" + message.getContent());  });  Thread.sleep(10000); }

使用 “讯飞星火” 大语言模型:

  public static void main(String[] args) throws InterruptedException {  SparkLlmConfig config = new SparkLlmConfig();  config.setAppId("****");  config.setApiKey("****");  config.setApiSecret("****");  Llm llm = new SparkLlm(config);  Prompt prompt = new SimplePrompt("请写一个关于小兔子战胜大灰狼的故事。");  llm.chat(prompt, (llmInstance, message) -> {  System.out.println("--->" + message.getContent());  });  Thread.sleep(10000); }

历史对话示例

  public static void main(String[] args) throws InterruptedException {  SparkLlmConfig config = new SparkLlmConfig();  config.setAppId("****");  config.setApiKey("****");  config.setApiSecret("****");  // 创建一个大模型  Llm llm = new SparkLlm(config);  //创建一个历史对话的 prompt  HistoriesPrompt prompt = new HistoriesPrompt();  System.out.println("您想问什么？");  Scanner scanner = new Scanner(System.in);  //等待用户从控制台输入问题  String userInput = scanner.nextLine();  while (userInput != null){  prompt.addMessage(new HumanMessage(userInput));  //向大模型提问  llm.chat(prompt, (instance, message) -> {  System.out.println(">>>> " + message.getContent());  });  //继续等待用户从控制台输入内容  userInput = scanner.nextLine();  } }