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 v1.2.8~1.3.4 更新记录：

• 新增：Parameter 新增 formPlaceholder 属性
• 新增: ReActAgent 添加 ChatOptions 的设置能力
• 新增: ConfirmParameter 添加更多的配置参数支持
• 新增：ChatOptions 新增 extra 配置，用于自定义大模型的参数内容
• 优化：优化合并 ConfirmParameter 到 Parameter，以支持更多的场景
• 优化：优化 AiMessageResponse.getFunctionCallers 方法
• 优化: 优化 getParameterValues 的错误信息
• 优化: 移除 chain 非必要的 error 日志
• 优化: 优化 Chain.getParameterValues
• 优化：优化 getNodeContext 方法，只需要传入 id 值
• 优化：移除 Moonshot ，使用 openai 替代
• 优化：优化 parent 和 children 的过度设计，使之逻辑更加简洁
• 修复：修复 Node 包含子的 chain 时，会导致 json 解析错误的问题
• 修复：多轮 function call 时,获取最后一条 HumanMessage 错误的问题
• 修复：Chain 的 Parameter 类型为 Array 时，内容固定值无法解析的问题
• 修复：节点异步执行的情况下，可能出现 check 不正确的问题
• 修复：jsExecNode 无法转换结果为 JsonObject 的问题

源码下载

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