金融网站建设成功案例2023最近爆发的流感叫什么

当前位置： 首页 > news >正文

金融网站建设成功案例,2023最近爆发的流感叫什么,网站前端设计与实现,做网站前的准备什么软件前言 在过去的十篇文章里#xff0c;我们已经打造出了一个相当强大的AI应用。它有记忆#xff0c;能进行多轮对话#xff1b;它有知识#xff0c;能通过RAG回答关于我们私有文档的问题。它就像一个博学的“学者”#xff0c;你可以向它请教任何在其知识范围内的问题。 但…前言 在过去的十篇文章里我们已经打造出了一个相当强大的AI应用。它有记忆能进行多轮对话它有知识能通过RAG回答关于我们私有文档的问题。它就像一个博学的“学者”你可以向它请教任何在其知识范围内的问题。 但是这个“学者”有一个巨大的局限它只能说不能做。 如果你问它“今天北京天气怎么样” 它只能根据训练数据回答一个大概无法获取实时信息。如果你问它“345乘以678等于多少” 像gpt-4o-mini这样的高级模型或许能算对但它本质上是在“预测”答案而非进行精确计算对于复杂运算容易出错。如果你让它“帮我预订一张明天去上海的火车票。” 它更是无能为力。 今天我们将为我们的AI引入一个革命性的新能力行动。我们将把它从一个“问答机器人”升级为一个能使用工具的 “智能体Agent” 让它能够响应我们的指令去执行真正的任务。 第一部分什么是AI Agent从“聊天”到“行动” AI Agent和我们之前构建的聊天机器人Chatbot最大的区别在于 Chatbot 的工作是根据上下文生成文本。 Agent 的工作是根据用户目标选择并执行动作使用工具最终达成目标。 这个过程模仿了人类助理的工作模式。当你对助理说“帮我算一下5加上7等于几” 助理不会凭空猜测而是会执行以下步骤 思考Reasoning: “老板想让我算个数这是一个加法运算。”选择工具Tool Selection: “我应该使用‘计算器’这个工具。”准备参数Parameter Extraction: “计算器的‘加法’功能需要两个数字它们是5和7。”执行工具Tool Execution: 在计算器上按下 5 7 。观察结果Observation: 计算器显示结果是 12。生成最终回复Response Generation: “老板5加上7等于12。” 这个“思考-行动”的循环就是Agent的核心。这之所以能实现得益于现代大语言模型如gpt-4o-mini内置的强大能力——工具调用Tool Calling。我们只需向模型描述我们有哪些可用的工具模型就能在需要时告诉我们应该调用哪个工具以及需要提供哪些参数。 第二部分在LangChain4j中定义一个“工具” 在LangChain4j中赋予AI一个工具非常简单你只需要创建一个普通的Java方法并给它加上Tool注解。 这个注解的作用就是向大语言模型“注册”这个方法并告诉模型 这个工具是干什么用的通过注解的value属性或方法的 Javadoc。这个工具需要哪些参数通过方法的参数列表。 实战创建一个计算器工具 创建Tools类 在service包下创建一个新文件CalculatorTools.java。 package com.example.aidemoapp.service;import dev.langchain4j.agent.tool.Tool; import org.springframework.stereotype.Component;Component // 将这个类注册为一个Spring Bean public class CalculatorTools {Tool(Calculates the sum of two integers)public int add(int a, int b) {System.out.println(Tool executed: add( a , b ));return a b;}Tool(Calculates the difference between two integers)public int subtract(int a, int b) {System.out.println(Tool executed: subtract( a , b ));return a - b;} }代码解析 Component让Spring能够发现并管理这个类的实例。Tool(…)注解的描述至关重要LLM会根据这个描述来判断用户的意图是否与该工具匹配。描述写得越清晰Agent就越“聪明”。
第三部分构建一个能使用工具的Agent 我们将使用AiServices来创建一个新的Agent。这次在构建AiService时我们会告诉它有哪些工具Tools是可用的。 在config/LangChain4jConfig.java中创建Agent Bean 我们将创建一个新的AI服务专门用于演示Agent功能。 // LangChain4jConfig.java// … 其他Bean的定义 … import com.example.aidemoapp.service.AgentAssistant; import com.example.aidemoapp.service.CalculatorTools;// …Configuration public class LangChain4jConfig {// … 其他已有的Bean …// 步骤1: 定义一个新的Agent服务接口BeanBeanpublic AgentAssistant agentAssistant(ChatModel chatLanguageModel, CalculatorTools calculatorTools) {return AiServices.builder(AgentAssistant.class).chatModel(chatLanguageModel).tools(calculatorTools) // – 关键步骤将工具注册到AI服务中.build();} }定义AgentAssistant接口 在service包下创建AgentAssistant.java。 package com.example.aidemoapp.service;public interface AgentAssistant {String chat(String userMessage); }创建AgentController 在controller包下创建AgentController.java。 package com.example.aidemoapp.controller;import com.example.aidemoapp.service.AgentAssistant; import lombok.RequiredArgsConstructor; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RequestParam; import org.springframework.web.bind.annotation.RestController;RestController RequestMapping(/api/agent) RequiredArgsConstructor public class AgentController {private final AgentAssistant agentAssistant;GetMapping(/chat)public String chat(RequestParam(query) String query) {return agentAssistant.chat(query);} }第四步测试我们的新Agent 启动Spring Boot应用。 进行一次普通聊天 请求URL: http://localhost:8080/api/agent/chat?queryWho are you? 你会得到一个正常的回答比如“我是一个乐于助人的助手”。此时查看后台日志没有任何Tool executed的打印。 进行一次需要使用工具的聊天 请求URL: http://localhost:8080/api/agent/chat?queryWhat is 5 plus 7? 稍等片刻你会得到回答“5 plus 7 is 12.” 现在查看后台日志你会看到 Tool executed: add(5, 7)这证明了Agent成功地理解了你的意图并调用了正确的Java方法 再试一次 请求URL: http://localhost:8080/api/agent/chat?queryWhat is 100 minus 33? 你会得到回答“100 minus 33 is 67.” 后台日志会显示 Tool executed: subtract(100, 33)总结 今天我们成功地为我们的AI应用解锁了一项颠覆性的能力——行动。通过LangChain4j的Tool注解和AiServices我们轻松地将一个普通的Java方法变成了AI可以调用的工具构建了一个初级的AI智能体。 我们的AI不再只是一个“知道分子”它变成了一个能干活的“行动派”。 目前我们的工具还很简单只是一个本地的计算器。但在真实世界中工具的能力是无限的它可以是一个调用外部天气API的HTTP客户端一个查询数据库的DAO甚至是一个发送邮件的服务。如何构建一个能与真实世界API交互的、更强大的Agent呢 源码获取 本文中所有实战代码均已同步更新至Gitee仓库。建议您git pull拉取最新代码对照本文进行学习。 Gitee仓库地址: https://gitee.com/chaocloud/springboot-langchain4j-demo.git 下一篇预告 《Java大模型开发入门 (¹²⁄₁₅)Agent实战 - 打造能调用外部API的智能助手》—— 我们将把难度升级封装一个能查询实时天气信息的API作为工具打造一个能回答“明天上海天气怎么样”这类问题的、更实用的智能助手。