基于 Java 的 LLM 应用开发及编排框架,Agents-Flex beta.7 发布


Agents-Flex: 一个基于 Java 的 LLM(大语言模型)应用开发及编排框架。


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
  • Agent
    • LLM Agent
    • IOAgent
  • 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
      • AgentNode Agent 执行节点
      • EndNode 终点节点
      • RouterNode 路由节点
        • GroovyRouterNode Groovy 规则路由
        • QLExpressRouterNode QLExpress 规则路由
        • LLMRouterNode LLM 路由(由 AI 自行判断路由规则)

Agents-Flex beta.7 更新细节:

  • 新增:新增图片模型的支持
  • 新增:新增 SimpleTokenizeSplitter 分割器
  • 新增:新增 OmniParseDocumentParser 文档解析器
  • 新增:新增 openai、stability ai 以及 gitee ai 对图片生成的支持
  • 新增:新增月之暗面的支持
  • 优化:优化 llm 客户端的细节
  • 优化:优化星火大模型的细节
  • 优化:优化 slf4j 依赖的细节
  • 优化:优化 Agent 和 Chain 的定义细节
  • 测试:添加 .pdf 和 .doc 的解析测试
  • 测试:添加文档分割器的测试
  • 测试:添加 token 文档分割器的测试

 

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.invoke();

System.out.println(result);
//"北京的天气是阴转多云。 "
}

模块构成

 

开源地址​:

  • Gitee: https://gitee.com/agents-flex/agents-flex
  • Github: https://github.com/agents-flex/agents-flex
  • 官方网站:https://agentsflex.com

相關推薦

2024-08-14

Agents-Flex: 一个基于 Java 的 LLM(大语言模型)应用开发及编排框架。 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

2024-07-16

Agents-Flex: 一个基于 Java 的 LLM(大语言模型)应用开发及编排框架。 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

2025-06-05

Agents-Flex v1.1.7 已经发布,大语言模型应用开发框架。 此版本更新内容包括: 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

2025-05-30

化节点单独运行时查找 dataType 的代码 优化:升级 AF(Agents-Flex)至最新版本,支持流式对话与 NodeErrorListener 配置 优化:优化知识库页面布局,右侧内容自动填满剩余宽度 优化:优化日志配置并启用 Spring Boot 日志 close #

2025-05-23

跟下来, 感觉好像里面没处理呢? 优化: 升级 Tinyflow 和 Agents-flex 到最新版本 优化: 优化 pom 版本构建 修复: 修复 Bot 挂载插件,知识库,工作流之后等待时间过长问题,命中function call或者没有命中都使用 stream 返回,提高

2025-04-18

平台的 AIGC 功能模块,是一套类似 Dify 的 AIGC应用开发平台 + 知识库问答 子系统,是一款基于 LLM 大语言模型 AI 应用平台和 RAG 的知识库问答系统。 其直观的界面结合了 AI 流程编排、RAG 管道、知识库管理

2024-10-28

Agents-Flex v1.0.0-beta.13 已经发布,大语言模型应用开发框架 此版本更新内容包括: feat: add plugin for solon framework refactor: optimize VectorStore delete methods refactor: optimize RedisVectorStore for sort by desc refactor: optimize SparkLLM embedding

2025-04-04

JeecgBoot 的应用开发平台和知识库问答系统已经研发完成,可以直接使用,也可以二次开发,欢迎大家使用和交流。 本文档主要介绍 AI 应用的功能展示,包括 AI 知识库管理、AI 模型管理、AI 流程设计、AI 应用配置等功能。 AIGC

2025-05-17

C3FNT:【Feature】 AI Flow 支持 API 请求 新增:升级 Tinyflow、Agents-Flex 等到最新版本 新增:工作流新增插件节点 close #IC5XEM:建议在工作流中调用插件 close #IC3FO4:【Feature】 AI Flow 支持 插件 节点 优化:统一【Bot】 和 【w

2025-03-29

丽珠医药的 Logo。 Dify 是一款开源的大语言模型(LLM) 应用开发平台。它融合了后端即服务(Backend as Service)和 LLMOps 的理念,使开发者可以快速搭建生产级的生成式 AI 应用。 Dify 内置了构建 LLM 应用所需的关键技术栈,包括

2023-10-08

识图谱为 LLM 提供更精确的 GenAI 预测和结果。 LangChain 编排:LangChain 促进了LLM、应用程序和数据库之间的通信,并提供了一个强大的向量索引。LangChain 是一个用于开发由 LLM 支持的应用程序的框架。其中包括 LangSmith,一种调试

2023-07-04

。而后您可以抄写学习这个例程,从而得到完整的Go语言应用开发能力。 仙童易用,完整,速度快,是一个优秀的Go语言代码生成器。 Go 语言通用代码生成器:仙童已发布 Beta7 版,完善支持 Oracle 数据库,已发布最新介绍视频

2023-05-16

的数据作为上下文,无需理解晦涩的概念和技术处理。 基于 API 开发后端即服务。你可以直接访问网页应用,也可以接入 API 集成到你的应用中,无需关注复杂的后端架构和部署过程。 数据标注与改进:可视化查阅 AI 日志并

2024-10-18

Newcar 和 VueMotion 均是现代化的动画引擎。VueMotion 是一个基于 VueJs 的动画引擎,提供了多种多样的组件,类似于 Manim,不过比 Manim 应用范围更广。这个演讲将会讲述理念和开发故事以及未来展望。 议题 2:《LLMVision: 程序化