您现在的位置是：首页 > 文章详情

一个使用 Java 开发的 LLM 应用开发框架，Agents-Flex alpha.2 发布

日期：2024-03-07点击：172收藏

Agents-Flex：一个使用 Java 开发的 LLM（大语言模型）应用开发框架

基本能力

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
记忆的能力（Memory）
Embedding
Vector Storage
文档处理
- 加载器（Loader）
  - Http
  - FileSystem
- 分割器（Splitter）
- 解析器（Parser）
  - PoiParser
  - PdfBoxParser
LLM Chain
Agents Chain

功能列表

简单对话示例

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();  } }

Function Calling 示例

第一步：通过注解定义本地方法

 public class WeatherUtil {  @FunctionDef(name = "get_the_weather_info", description = "get the weather info")  public static String getWeatherInfo(  @FunctionParam(name = "city", description = "the city name") String name  ) {   //这里应该是通过接口去调用获得天气信息  return name + "的天气是阴转多云。 ";  } }

第二步：通过 Prompt、Functions 传入给大模型，然后得到结果

  public static void main(String[] args) throws InterruptedException {  OpenAiLlmConfig config = new OpenAiLlmConfig();  config.setApiKey("sk-rts5NF6n*******");  OpenAiLlm llm = new OpenAiLlm(config);  Functions<String> functions = Functions.from(WeatherUtil.class, String.class);  String result = llm.call(new SimplePrompt("今天的天气如何"), functions);  System.out.println(result);  // "北京的天气是阴转多云。 ";  Thread.sleep(10000); }