![]()
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）
- 分割器（Splitter）
- 解析器（Parser）
- 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
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 v1.2.8~1.3.5 更新记录：
- 新增: 新增 ChainNodeValidator 用于给 Node 自定义其验证器
- 新增: 新增 ChainNode.validate 方法，用于校验其数据是否完善
- 新增: 工作流执行新增节点算力消耗的定义
- 新增：Parameter 新增 formPlaceholder 属性
- 新增: getParameterValues 通过 LinkedHashMap 返回属性，支持参数顺序
- 新增：ChatOptions 新增 extra 配置，用于自定义大模型的参数内容
- 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：代码执行节点添加 “_context” 对象
- 新增：新增 Chain.toJSON() 和 Chain.fromJSON() 方法
- 新增：新增 ConfirmNode 用于支持用户手动确认的场景
- 新增: Chain 新增 getNodeExecuteResult 方法
- 新增：新增 Audio 多模态的支持
- 新增：新增 ReActMessageBuilder，允许用户构建自定义的消息
- 优化：feat: 修改 TextAndImageMessage 和 TextAndAudioMessage 为 HumanImageMessage 和 HumanAudioMessage
- 优化：优化重构 EdgeCondition 和 NodeCondition 方法
- 优化：优化 Chain.getParameterValues 方法
- 优化：移动 Chain 监听器的相关类到 listener 包里去
- 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：优化合并 ConfirmParameter 到 Parameter，以支持更多的场景
- 优化：优化 HumanMessage 类的函数处理逻辑
- 优化: 重构 Chain 的验证逻辑
- 优化：优化 AiMessageResponse.getFunctionCallers 方法
- 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: 修复 Parameter 为非必填，但是也必须输入参数的问题
- 修复: 在 js 执行节点可能出现 java.lang.NoClassDefFoundError: com/ibm/icu/number/Notation 错误的问题
- 修复：正则表达式
Action Input: (\{.<em>?}) 在匹配时会漏掉最后一个 "}" 的问题，感谢 @狂野流星
- 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
- 修复：DeepseekLlm 无法自动注入，配置 factories 文件
源码下载
