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
• 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 v1.0.9~1.1.9 更新记录：

• 新增：新增 rerank 模型的相关模块
• 新增：Milvus 支持非向量查询功能
• 新增：阿里云增加余弦相似度得分回显
• 新增: 为 ChainStartEvent 和 ChainResumeEvent 添加获取初始化参数的功能
• 新增: StreamResponseListener 添加 onMatchedFunction 方法
• 新增: 添加 openai 兼容 api 的其他第三方 api 测试
• 新增：新增 NodeErrorListener 用于监听 node 的错误情况
• 优化：重构 ChainErrorListener 的参数顺序
• 优化：优化 getParameterValues 的默认值获取
• 优化: 添加 FunctionPrompt 的 toString 方法
• 优化: 优化 ImagePrompt 的方法
• 优化: 优化 ToolPrompt 支持多个方法调用
• 优化: 优化 Stream 模型下的 Function Call
• 优化: 优化 SseClient 的 tryToStop 方法
• 优化: 优化 FunctionCall 以及添加 toString 方法
• 优化: 优化 OpenAILlm.java
• 优化: 优化 JsExecNode 在每次执行脚本时新建一个独立 Context
• 优化: 优化 Event 的 toString
• 优化：重构 MilvusDbTest，增加非向量搜索测试用例
• 优化：适配 Ollama 0.9.0 的思考模式
• 优化：redisSearch, openSearch 相似度归一化，便于用户查看
• 优化：增强 LLM 的 markdown 包裹优化
• 优化：重命名 StringUtil.obtainFirstHasText 方法名称为 getFirstWithText
• 修复：修复了 updateInternal 方法中重复添加 data.add(dict) 的问题
• 修复：修复 Milvus Document metadata 格式不一致问题
• 修复: 修正 Milvus 下 COSINE 相似度计算方法
• 修复：使用 qwen-plus 调用 function_call 没有正确拼接大模型返回的参数问题
• 修复: 修复 DeepseekLlmUtil 类型转换错误
• 修复: HistoriesPrompt 的 toMessages 可能多次添加 systemMessage 的问题
• 修复：修复 CodeNode 的 js 无法通过 "." 调用 map 数据的问题
• 修复： node 的状态在执行时未自动变化的问题
• 修复：修复阿里云百炼 text-embedding-v3 向量化使用 milvus 使用默认向量模型导致两次维度不一致问题
• 修复：qwen3 非流式返回设置 enable_thinking 为 false
• 修复：修复大模型节点，返回 json 内容时不正确的问题
• 修复：修复 EndNode 在输出固定值时出现 NPE 的问题

源码下载

• Gitee：https://gitee.com/agents-flex/agents-flex
• Github：https://github.com/agents-flex/agents-flex