痛点出发，为 Java 量身定制

Qualia 并非简单的“Java 版 LangChain”，而是一套深度结合 Java 语言特性、模块化设计、生产环境友好的智能体框架。项目团队在多个企业级 AI 落地项目中积累了大量经验，发现绝大多数痛点集中在：模型 API 各异、工具集成散乱、会话状态难管理、提示词无法复用、知识检索重复造轮子。Qualia 正是将这些共性需求沉淀为可复用的基础设施，让开发者用熟悉的注解、接口和配置，就能搭建出具备自主推理和行动能力的 AI 应用。

项目地址： https://gitee.com/lunarlanding/qualia / https://github.com/lunar-landing/qualia

核心能力：从推理到工具，全链路覆盖

Qualia 的核心在于 ReAct（Reasoning + Acting）引擎。它赋予智能体“思考-行动-观察”的循环推理能力，能将用户提出的复杂问题拆解成一系列可执行的步骤，每一步都动态决策——是调用外部工具获取信息，还是基于已有知识给出中间结论，并持续迭代直至完成最终答案。这种模式非常适合处理多跳问答、数据分析、自动运维等场景。

在模型接入层面，Qualia 提供了统一的 ChatModel、EmbeddingModel 和 RerankModel 抽象，一行配置即可切换通义千问、OpenAI、Claude 等主流模型，且支持运行时动态更换，便于 A/B 测试和成本优化。

工具系统是智能体的“手脚”，Qualia 将其简化到极致：只需在普通 Java 方法上标注 @AsFunctionTool，并描述参数和功能，该方法就会自动注册为智能体可调用的能力。更值得一提的是，框架原生集成了 MCP（Model Context Protocol），这意味着开发者可以直接接入符合 MCP 标准的第三方工具市场，无需额外适配，生态扩展事半功倍。

会话记忆管理采用可插拔设计，内置 JSON 文件或 MySQL 两种持久化方案，并提供了滑动窗口和摘要压缩两种策略。长对话中，系统会自动裁剪过旧消息或生成摘要，既保证上下文连贯性，又控制 token 开销，避免成本失控。

技能系统则解决了提示词复用和流程编排问题，开发者可以预先定义好一组提示词模板和关联脚本，并在多轮对话中渐进式加载，大幅减少重复编码。而内置的 RAG 检索管道，从文本切块、向量化、检索到重排序全流程封装，只需接入企业文档库，即可实现精准的私有知识问答。

不止是框架：Qualia Code 让能力“看得见”

为了让开发者直观感受 Qualia 的完整形态，项目同步开源了参考产品 Qualia Code——一款 AI 编程助手。它提供 Web IDE 界面和桌面应用（基于 SWT，支持 Windows/macOS），具备多会话管理、工作区切换、代码生成与审查、文件读写、终端命令执行、工具调用可视化等能力。桌面版本还自动适配系统深色/浅色主题，提供原生体验。对于想快速上手 Qualia 的团队，Qualia Code 既是示例，也是可直接使用的工具。

轻量、集成、友好

Qualia 采用模块化架构，核心模块 qualia-core 仅依赖少量第三方库，启动速度快，适合嵌入现有 Spring Boot 或微服务系统。它基于 Java 17+ 构建，充分利用现代 Java 特性，并提供流畅的流式响应支持（基于 Reactor 的 Flux），让实时交互体验更为顺滑。

项目遵循 Apache License 2.0，已托管至 GitHub。开发者只需在 Maven 或 Gradle 中添加 GitHub Packages 依赖，即可引入核心能力。项目文档和示例丰富，从“5 分钟上手”到高级定制，都有详细指引。

加入社区，一起打磨

Java 生态的 AI 智能体之路刚刚启程，Qualia 期待每一位开发者的参与。无论是提出 issue、提交 PR，还是分享使用案例，都将帮助这个框架更贴近实际需求。项目团队表示，未来路线图将聚焦多智能体协作、更丰富的模型提供商支持、以及与主流 Java 框架的深度整合。

当 Python 不再是 AI 应用的唯一选项，Java 开发者终于可以自信地说：我们也有了自己的 Agent 框架。Qualia 开源的意义，不仅是一个工具的出现，更是一个生态的开始。

• 项目地址： https://gitee.com/lunarlanding/qualia / https://github.com/lunar-landing/qualia
• 文档地址： https://lunar-landing.github.io/qualia