新闻详情

新闻详情

首页 / 资讯中心 / 详情

Solon AI:面向 Java 开发者的全栈智能体框架,功能升级还有示例项目!

发布时间:2026/10/26 8:47:23来源:尧图网络
Solon AI:面向 Java 开发者的全栈智能体框架,功能升级还有示例项目!
Solon AI面向 Java 开发者的全栈智能体框架功能升级且有综合示例项目Solon AI 来了它是一款面向 Java 开发者的全栈智能体Agent应用开发框架。秉承 Solon 家族一贯的“克制、高效、开放”理念它向上抽象统一接口屏蔽模型差异向下深度集成向量库、MCP 协议与复杂流控制。核心理念一份代码跨模型运行极致轻量从 Java 8 纵跳至 Java 26。核心架构图谱维度核心能力支持生态接入层统一 Chat / Generate / Embedding 模型接口OpenAI, Claude, Gemini, DeepSeek, QWen, Ollama, 豆包等...感知层全链路 RAG、多格式文档加载、多向量库适配Chroma, Milvus, ES, Redis, Qdrant...执行层MCP 协议、ACP 协议、Function Call、Skills 技能包实时天气、数据库操作、本地 CLI、自定义 Skill大脑层ReAct 自省推理、多智能体Team协作、Harness自动任务拆解、层级式协作、YAML 工作流能开发的应用通用自主智能体应用如Manus、OpenOperator、Claude Code、OpenClaw智能助理与 RAG 知识库应用如Dify、Coze多 Agent 协作的任务编排应用如AutoGPT、MetaGPT业务驱动的受控流程审批应用如智能版钉钉审批流、SAP 智能模块结构化数据处理与 ETL 应用如Instabase、Unstructured.io实时数据智能看板应用如Text - to - SQL 类应用自动化测试与质量保障应用如GitHub Copilot Workspace低代码/可视化 AI 工作流平台如LangFlow、Flowise等等...智能体综合示例项目可直接用于生产或定制SolonCode基于 Java8 实现的 Claude Code 或 OpenCodehttps://gitee.com/opensolon/soloncodehttps://gitcode.com/opensolon/soloncodehttps://github.com/opensolon/soloncodeSolonClaw基于 Java8 实现的 OpenClaw 或 Moltbothttps://gitee.com/opensolon/solonclawhttps://gitcode.com/opensolon/solonclawhttps://github.com/opensolon/solonclaw最近更新新增 solon - ai - loop 插件新增 solon - ai - talent - code 插件从 solon - ai - harness 分离出来新增 solon - ai - dialect - gemini gemini - interactions 方言适配添加 solon - ai - core Talent.setEnabled 方法提供接口级的开关设置添加 solon - ai - core 方言缓存控制机制添加 solon - ai - agent ReActTrace.agentName 字段不再从 config 获取添加 solon - ai - agent SimpleTrace.agentName 字段不再从 config 获取添加 solon - ai - talent - cli TerminalTalent.maxCharacterLimit 设置优化 solon - ai - dialect - x 方言解析调整 solon - ai - harness GenerateTool 更名为 GenerateTalent方便动态启用/禁用修复 solon - ai - core 方言结束时没有 choice 时不会触发最后一个 stream 输出的问题造成无法获取 getUsagemcp McpSchema.Sampling 类添加 JsonIgnoreProperties(ignoreUnknown true) 增加兼容性核心模块体验ChatModel通用大语言模型 LLM 调用接口支持同步、流式Reactive调用内置方言适配工具Tool技能Skill会话记忆ChatSession等能力。ChatModel chatModel ChatModel.of(http://127.0.0.1:11434/api/chat) .standard(ollama) //需要指定供应商用于识别接口风格也称为方言 .model(qwen2.5:1.5b) .defaultSkillAdd(new ToolGatewaySkill()) .build();//同步调用并打印响应消息AssistantMessage result chatModel.prompt(今天杭州的天气情况) .options(op-op.toolAdd(new WeatherTools())) //添加工具 .call() .getMessage();System.out.println(result);//响应式调用chatModel.prompt(hello).stream(); //Publisher ChatResponseTalentsSolon AI Talents 才能Talent talent new TalentDesc(order_expert) .description(订单助手) // 动态准入只有提到 订单时才激活 .isSupported(prompt - prompt.getUserMessageContent().contains(订单)) // 动态指令根据用户是否是 VIP 注入不同 SOP .instruction(prompt - { if (VIP.equals(prompt.getMeta(user_level))) { return 这是尊贵的 VIP 客户请优先调用 fast_track_tool。; } return 按常规流程处理订单查询。; }) .toolAdd(new OrderTools());chatModel.prompt(我昨天的订单到哪了) .options(o-o.talentAdd(talent)) .call();RAG知识库提供从加载DocumentLoader、切分DocumentSplitter、向量化EmbeddingModel到检索重排RerankingModel的全链路支持。//构建知识库EmbeddingModel embeddingModel EmbeddingModel.of(apiUrl).apiKey(apiKey).provider(provider).model(model).batchSize(10).build();RerankingModel rerankingModel RerankingModel.of(apiUrl).apiKey(apiKey).provider(provider).model(model).build();InMemoryRepository repository new InMemoryRepository(TestUtils.getEmbeddingModel()); //3.初始化知识库repository.insert(new PdfLoader(pdfUri).load());//检索ListDocument docs repository.search(query);//如果有需要可以重排一下docs rerankingModel.rerank(query, docs);//提示语增强是ChatMessage message ChatMessage.ofUserAugment(query, docs);//调用大模型chatModel.prompt(message) .call();MCP (Model Context Protocol)深度集成 MCP 协议MCP_2025_11_25支持跨平台的工具、资源与提示语共享。//服务端McpServerEndpoint(channel McpChannel.STREAMABLE, mcpEndpoint /mcp) public class MyMcpServer implements ServerTransportSecurityValidator { Override public void validateHeaders(MapString, ListString headers) throws ServerTransportSecurityException { if (headers.containsKey(role)) { //新的鉴权接口 if (1.equals(headers.get(role).get(0))) { return; } } throw new ServerTransportSecurityException(401, 没有权限); } ToolMapping(description 查询天气) public String getWeather(Param(description 城市) String location) { return 晴25度; }}//客户端McpClientProvider clientProvider McpClientProvider.builder() .channel(McpChannel.STREAMABLE) .url(http://localhost:8080/mcp) .header(role, 1) .build();Agent (基于计算流图的智能体体验)Solon AI Agent 将推理逻辑转化为图驱动的协作流支持 ReAct 自省推理和多智能体 Team 协作。//自省智能体ReActAgent agent ReActAgent.of(chatModel) // 或者用 SimpleAgent.of(chatModel) .name(weather_expert) .description(查询天气并提供建议) .defaultToolAdd(weatherTool) // 注入 MCP 或本地工具 .build();agent.prompt(今天北京适合穿什么).call(); // 自动完成思考 - 调用工具 - 观察 - 总结// 组建团队智能体通过协议Protocol自动编排成员角色TeamAgent team TeamAgent.of(chatModel) .name(marketing_team) .protocol(TeamProtocols.HIERARCHICAL) // 层级式协作6种预置协议 .agentAdd(copywriterAgent) // 文案专家 .agentAdd(illustratorAgent) // 视觉专家 .build();team.prompt(策划一个深海矿泉水的推广方案).call(); // Supervisor 自动拆解任务并分发给对应专家 .defaultToolAdd(weatherTool) // 注入 MCP 或本地工具Agent HarnessSolon AI Harness 是一个高性能的智能体“马具Harness”框架。作为底层核心它已在 SolonCode CLI 项目中经过了三个月的深度打磨与实战验证。import org.noear.solon.ai.agent.AgentSession;import org.noear.solon.ai.agent.session.InMemoryAgentSession;import org.noear.solon.ai.chat.ChatConfig;import org.noear.solon.ai.harness.HarnessEngine;import org.noear.solon.ai.talents.mount.MountDir;import org.noear.solon.ai.harness.permission.ToolPermission;import org.noear.solon.ai.talents.mount.MountType;public class DemoApp { public static void main(String[] arg) throws Throwable { //--- 1. 初始化 HarnessEngine engine HarnessEngine.of(/data/work/, .tmp) .systemPrompt(xxx) .sessionProvider(InMemoryAgentSession::of) .toolsAdd(ToolPermission.TOOL_ALL_FULL) //设定工具权限 .disallowedToolsAdd(ToolPermission.TOOL_ALL_FULL) .mountAdd(MountDir.builder() .alias(global-skills) .type(MountType.SKILLS) .path(~/.soloncode/skills/) .primary(true) .build()) .modelAdd(new ChatConfig().then(slf - { slf.setApiUrl(https://api.deepseek.com); slf.setApiKey(sk-***); slf.setModel(deepseek-v4-flash); })) .build(); AgentSession session engine.getSession(demo); //--- 用主代理模式 engine.prompt(hello) .session(session) //没有则为临时会话 .options(o - { //切换大模型 //o.chatModel(engine.getMainModel()); //按需动态指定工作区没有则为默认工作区 o.toolContextPut(HarnessEngine.ATTR_CWD, xxx); }) .call(); }}项目仓库地址giteehttps://gitee.com/opensolon/solon-aigitcode: https://gitcode.com/opensolon/solon-aigithubhttps://github.com/opensolon/solon-ai官网https://solon.noear.org/article/learn-solon-ai
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/25 3:20:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/25 3:43:49

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/25 4:02:17

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/25 5:03:13

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/25 3:54:32

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/25 5:32:24

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉