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 终于迎来了 RC,也就意味着 API 基本稳定,接下来的主要工作和完善文档和细节优化,进化在几个 RC 版本后,推出正式的版本。

目前,我们也基于 Agents-Flex 开发了许多有趣的应用,如下图所示:

工作流编排等:

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
  • 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。 " }
 

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


点赞(0) 打赏
立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部