10月26日，北京站源创会，聊聊高性能计算与大模型推理

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
• 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