您现在的位置是：首页 > 文章详情

Java 的 AI 大模型开发及编排框架，Agents-Flex beta.10 发布

日期：2024-09-10点击：158收藏

Agents-Flex：一个基于 Java 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 Store
文档处理
- 加载器（Loader）
  - Http
  - FileSystem
- 分割器（Splitter）
- 解析器（Parser）
  - PoiParser
  - PdfBoxParser
Agent
- LLM Agent
- IOAgent
Chain 执行链
- SequentialChain 顺序执行链
- ParallelChain 并发（并行）执行链
- LoopChain 循环执行连
- ChainNode
  - AgentNode Agent 执行节点
  - EndNode 终点节点
  - RouterNode 路由节点
    - GroovyRouterNode Groovy 规则路由
    - QLExpressRouterNode QLExpress 规则路由
    - LLMRouterNode LLM路由（由 AI 自行判断路由规则）

简单对话

使用 OpenAi 大语言模型:

  @Test public void testChat() { OpenAiLlmConfig config = new OpenAiLlmConfig(); config.setApiKey("sk-rts5NF6n*******"); Llm llm = new OpenAiLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); }

使用 “通义千问” 大语言模型:

 @Test public void testChat() { QwenLlmConfig config = new QwenLlmConfig(); config.setApiKey("sk-28a6be3236****"); config.setModel("qwen-turbo"); Llm llm = new QwenLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); }

使用 “讯飞星火” 大语言模型:

 @Test public void testChat() { SparkLlmConfig config = new SparkLlmConfig(); config.setAppId("****"); config.setApiKey("****"); config.setApiSecret("****"); Llm llm = new SparkLlm(config); String response = llm.chat("请问你叫什么名字"); System.out.println(response); }

历史对话示例

 public static void main(String[] args) { SparkLlmConfig config = new SparkLlmConfig(); config.setAppId("****"); config.setApiKey("****"); config.setApiSecret("****"); Llm llm = new SparkLlm(config); HistoriesPrompt prompt = new HistoriesPrompt(); System.out.println("您想问什么？"); Scanner scanner = new Scanner(System.in); String userInput = scanner.nextLine(); while (userInput != null) { prompt.addMessage(new HumanMessage(userInput)); llm.chatStream(prompt, (context, response) -> { System.out.println(">>>> " + response.getMessage().getContent()); }); userInput = scanner.nextLine(); } }

Function Calling

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 ) { //在这里，我们应该通过第三方接口调用 api 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) { OpenAiLlmConfig config = new OpenAiLlmConfig(); config.setApiKey("sk-rts5NF6n*******"); OpenAiLlm llm = new OpenAiLlm(config); FunctionPrompt prompt = new FunctionPrompt("今天北京的天气怎么样", WeatherUtil.class); FunctionResultResponse response = llm.chat(prompt); Object result = response.getFunctionResult(); System.out.println(result); //"北京的天气是阴转多云。 " }

生态支持

大语言模型

大语言模型名称	支持情况	描述
ChatGPT	✅ 已支持	-
Ollama 部署模型	✅ 已支持	-
星火大模型	✅ 已支持	-
通义千问	✅ 已支持	-
智普 ChatGLM	✅ 已支持	-
月之暗面 Moonshot	✅ 已支持	-
扣子 Coze	✅ 已支持	-
GiteeAI - Qwen2-7B-Instruct	✅ 已支持	-
GiteeAI - Qwen2-72B-Instruct	✅ 已支持	-
GiteeAI - Yi-1.5-34B-Chat	✅ 已支持	-
GiteeAI - glm-4-9b-chat	✅ 已支持	-
文心一言	计划中...	期待 PR

图片生成模型

大语言模型名称	支持情况	描述
Openai	✅ 已支持	-
Stability	✅ 已支持	-
GiteeAI - stable-diffusion-3-medium	✅ 已支持	-
GiteeAI - FLUX.1-schnell	✅ 已支持	-
GiteeAI - stable-diffusion-xl-base-1.0	✅ 已支持	-
GiteeAI - Kolors	✅ 已支持	-
更多	计划中...	期待 PR

向量化模型

大语言模型名称	支持情况	描述
Openai	✅ 已支持	-
星火大模型	✅ 已支持	-
智普 ChatGLM	✅ 已支持	-
Ollama	✅ 已支持	-
通义千问	✅ 已支持	-
GiteeAI - bge-small-zh-v1.5	✅ 已支持	-
GiteeAI - bge-large-zh-v1.5	✅ 已支持	-
GiteeAI - bge-m3	✅ 已支持	-
更多	计划中...	期待 PR

向量存储（向量数据库）

向量数据库名称	支持情况	描述
Milvus	✅ 已支持	-
阿里云向量数据存储服务	✅ 已支持	-
腾讯云向量数据存储服务	✅ 已支持	-
OpenSearch	✅ 已支持	-
ElasticSearch	✅ 已支持	-
Redis	✅ 已支持	-
Chroma	计划中...	期待 PR
Cassandra	计划中...	期待 PR
Gemfire	计划中...	期待 PR
Weaviate	计划中...	期待 PR

文档解析器

向量数据库名称	支持情况	描述
PDFBox	✅ 已支持	用于解析 PDF 文档
POI	✅ 已支持	用于解析 Word 文档
OmniParse	✅ 已支持	更丰富的解析能力
更多	计划中...	期待 PR