Agents-Flex： 一个基于 Java 的 LLM（大语言模型）应用开发框架。
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
- 加载器（Loader）
- 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）
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。 "
}
生态支持
大语言模型
| 大语言模型名称 | 支持情况 | 描述 |
|---|---|---|
| ChatGPT | ✅ 已支持 | - |
| Ollama 部署模型 | ✅ 已支持 | - |
| 星火大模型 | ✅ 已支持 | - |
| 通义千问 | ✅ 已支持 | - |
| 智普 ChatGLM | ✅ 已支持 | - |
| 月之暗面 Moonshot | ✅ 已支持 | - |
| 扣子 Coze | ✅ 已支持 | - |
| GiteeAI - Qwen2-7B-Instruct | ✅ 已支持 | - |
| GiteeAI - Qwen2-72B-Instruct | ✅ 已支持 | - |
| GiteeAI - Yi-1.5-34B-Chat | ✅ 已支持 | - |
| GiteeAI - glm-4-9b-chat | ✅ 已支持 | - |
| 文心一言 | 计划中... | 期待 PR |
图片生成模型
| 大语言模型名称 | 支持情况 | 描述 |
|---|---|---|
| Openai | ✅ 已支持 | - |
| Stability | ✅ 已支持 | - |
| GiteeAI - stable-diffusion-3-medium | ✅ 已支持 | - |
| GiteeAI - FLUX.1-schnell | ✅ 已支持 | - |
| GiteeAI - stable-diffusion-xl-base-1.0 | ✅ 已支持 | - |
| GiteeAI - Kolors | ✅ 已支持 | - |
| 更多 | 计划中... | 期待 PR |
向量化模型
| 大语言模型名称 | 支持情况 | 描述 |
|---|---|---|
| Openai | ✅ 已支持 | - |
| 星火大模型 | ✅ 已支持 | - |
| 智普 ChatGLM | ✅ 已支持 | - |
| Ollama | ✅ 已支持 | - |
| 通义千问 | ✅ 已支持 | - |
| GiteeAI - bge-small-zh-v1.5 | ✅ 已支持 | - |
| GiteeAI - bge-large-zh-v1.5 | ✅ 已支持 | - |
| GiteeAI - bge-m3 | ✅ 已支持 | - |
| 更多 | 计划中... | 期待 PR |
向量存储（向量数据库）
| 向量数据库名称 | 支持情况 | 描述 |
|---|---|---|
| Milvus | ✅ 已支持 | - |
| 阿里云向量数据存储服务 | ✅ 已支持 | - |
| 腾讯云向量数据存储服务 | ✅ 已支持 | - |
| OpenSearch | ✅ 已支持 | - |
| ElasticSearch | ✅ 已支持 | - |
| Redis | ✅ 已支持 | - |
| Chroma | 计划中... | 期待 PR |
| Cassandra | 计划中... | 期待 PR |
| Gemfire | 计划中... | 期待 PR |
| Weaviate | 计划中... | 期待 PR |
文档解析器
| 向量数据库名称 | 支持情况 | 描述 |
|---|---|---|
| PDFBox | ✅ 已支持 | 用于解析 PDF 文档 |
| POI | ✅ 已支持 | 用于解析 Word 文档 |
| OmniParse | ✅ 已支持 | 更丰富的解析能力 |
| 更多 | 计划中... | 期待 PR |
模块构成
更新记录：
- 新增：GenerateImageRequest 添加反向提示词相关属性
- 新增：Maps 工具类添加 putOrDefault 方法
- 新增：添加 siliconFlow 的图片模型的支持
- 新增: ChatOptions 添加 "seed" 属性
- 新增：Maps 可以 put 一个子 map 的功能
- 新增：新增 Ollama 的函数调用（Function Calling）的支持
- 新增：添加 StringUtil.isJsonObject 方法
- 优化：重构 BaseImageRequest 类，添加 options 属性
- 优化：重构 ImagePrompt 使之继承于 HumanMessage
- 优化：重构 ImageResponse 类，添加 error 和 errorMessage 属性
- 优化：修改 Image.writeBytesToFile 方法为 writeToFile
- 优化：重命名 "giteesd3" 为 "gitee"
- 优化：重构 VectorData.toString 方法
- 优化：添加 DocumentStoreConfig，向量数据库的配置都实现 DocumentStoreConfig
- 优化：重构优化 HistoriesPrompt，使其支持更多的属性配置
- 优化：更新 agents-flex-bom 的 pom.xml
- 优化：升级 jedis 版本为 "5.2.0"
- 优化：重构 RedisVectorStore 的错误信息，使之错误信息更加友好
- 修复：修复 jdk17 下出现 NoSuchMethodError 问题，感谢 @songyinyin #I9AELG
