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
- 加载器（Loader）
- 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 v1.1.9~1.2.7 更新记录：
- 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
- 新增：在节点执行出错时，添加必要的错误日志输出
- 新增：大模型 Parameter 添加子 Parameter 的配置支持
- 新增：ReActAgent 添加 continueOnActionJsonParseError 和 continueOnActionInvokeError 配置
- 新增：节点添加循环执行的配置能力
- 新增：新增 starter 中 deepseek 的配置支持，openai 可以指定 chatpath 属性
- 新增：OpenAILlm 支持自定义 HttpClient
- 新增：新增 es 和 lucene 搜索引擎
- 新增：新增 "default" rerank 模型，用于对接多个不同的 rerank 服务
- 新增：新增 ReAct Agent
- 优化：挂起-恢复执行逻辑优化，每次执行节点移除挂起节点列表中该节点
- 优化：优化 bom 模块依赖冲突 close #ICG2TD
- 优化：优化 ReActAgent 代码，新增更多的监听支持
- 优化：优化 OkHttpClientUtil 的默认参数
- 优化：重命名 JavascriptStringCondition 为 JsCodeCondition
- 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
- 修复：DeepseekLlm 无法自动注入，配置 factories 文件
- 修复：修复 EmbeddingModel.dimensions() 错误信息不友好的问题
- 修复：function call第二次请求模型时缺少了tools信息 close #ICG584
- 修复：修复 Gitee 生成图片错误的问题
- 文档：更新 chain 的相关文档
- 文档：更新优化 LLM 示例代码
- 文档：优化 prompt 示例代码
- 文档：节点循环示例代码
源码下载
- Gitee：https://gitee.com/agents-flex/agents-flex
- Github：https://github.com/agents-flex/agents-flex