🔥 Java 的 LLM 框架,Agents-Flex v1.0.9 发布
Agents-Flex: 一个基于 Java 的 LLM 应用开发及编排框架。
经过近 1 年的开发和迭代,Agents-Flex 发布了 30+ 个版本,终于迎来了 v1.0.0 正式版本。
与此同时,基于 Agents-flex 开发的对标 Dify Coze 等产品的 AIFlowy 也正式对外开源,开源地址: https://gitee.com/aiflowy/aiflowy
Agents-Flex 的基本能力
- 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
- 加载器(Loader)
- 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
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。 "
}
Agents-Flex v1.0.0~1.0.9 更新记录:
- 新增: Chain 添加 reset 方法,使之调用后可以执行多次
- 新增: 添加 Milvus 的相识度返回
- 新增: Chain.getParameterValues 添加对固定数据格式填充的能力
- 新增: 增加 qdrant 向量数据库支持
- 新增: 允许通过 ChatOptions 在运行时动态替换模型名称
- 新增:增加是否开启思考模式参数,适用于 Qwen3 模型
- 新增:Document 增加文档标题
- 新增:增强知识库查询条件
- 新增:优化 Chain 的 get 逻辑,支持获取对象的属性内容
- 新增: 为 VectorData 添加 score 属性,统一文档 score 字段
- 新增: deepseek-r1 推理过程增量输出改为完整输出和内容的输出保持一致,感谢 @liutf
- 新增: 增加 QwenChatOptions,让通义千问支持更多的参数,感谢 @liutf
- 新增:新增 ChainHolder,用于序列化 ChainNode,以支持分布式执行
- 新增:添加 JavascriptStringCondition 条件
- 优化:移动 "description" 属性到 ChainNode
- 优化:优化 Chain,在暂停时抛出异常
- 优化:重构 Chain 的异步执行逻辑
- 优化: 重构 TextPromptTemplate,使其支持更多的语法
- 优化: 优化 pom 管理
- 优化: Parameter 添加 dataType 默认数据
- 优化: TextPromptTemplate.create 添加缓存以提高性能
- 优化:不允许设置默认 EmbeddingOptions 配置的 encodingFormat
- 优化:修改模型思考过程的设置,让 content 和 reasoningContent 输出内容一致,感谢 @Alex
- 优化:优化 elasticSearch 用户自定义集合名称就用用户自定义集合,没有传就用默认集合名称
- 优化:从命名 TextPromptTemplate.create 方法名称为 TextPromptTemplate.of,更加符合 “缓存” 的特征
- 修复:修复 openSearch 存储报错问题
- 修复:修复 LlmNode 当配置 outType 时,不能返回正确结果的问题
- 修复:TextPromptTemplate 无法可以解析 的问题
- 测试:添加 milvus 向量存储用法示例测试类,感谢 @lyg
- 测试:添加通过 OpenAI 的 API 调用 Gitee 进行图片识别
- 测试:添加 chain 的数据获取测试
- 测试:添加 ChainConditionStringTest 测试
- 文档:添加提示词相关文档
- 文档:添加 “模板缓存” 的相关文档
