自从AI火起来之后,大模型一个接一个的出现,所有的语言、工具、产品似乎都能蹭一蹭大模型的热度。
很多大模型都是 Python 实现的,假设你要玩一玩各种问答模型、文生图模型、文字转语音模型,你会发现基本上都是以 Python 为入口的。
还有很多技术博主发表「在AI的帮助下,2小时上线xxx付费产品,MRR xx 千刀」诸如此类的消息,一看背后的技术 JavaScript 一把梭,前端 js ,后端 nodejs 。
还有说:在大模型的帮助下,简单的代码可以由AI快速时间,省下的时间可以做性能优化,那些性能查的工具链、客户端可以由性能更好的 Rust 来重写了,这不,Rust 也算蹭上了。
最近,看到有开发者用 Claude.ai 设计个人简历和社交名片,一看开发者是某 Lisp 大佬,而且 prompt 也是用 Lisp 格式写的伪代码,格式确实很清晰。有评论称,原来 Lisp 才是 AI Prompt 的最终归宿。
而 Java 这边呢,好像就是一堆简单的逻辑代码,貌似只有等着被替代的份儿了。
当然了,在目前看来,这肯定还算是危言耸听,哪儿那么容易轻易就被替代,对吧?
国外和国内两大 Java 技术推动者都推出 Spring AI 框架,分别是 Spring 社区的 Spring-ai 和 阿里巴巴的 Spring AI Alibaba,这两个框架都是为了方便开发者在 AI 场景下的开发。
虽然做不了AI 的核心,但是也要抢占入口不是。
官方仓库:https://github.com/spring-projects/spring-ai
Spring 社区出品,目前 star 数2.9k。
Spring AI 是一个人工智能工程应用框架,旨在将 Spring 生态系统的设计原则如可移植性和模块化设计应用于人工智能领域,推动以 POJOs 作为应用构建块。它支持多种 AI 模型提供商的聊天、文本转图像和嵌入模型,具有可移植的 API、新颖的向量存储 API、自动配置和启动器、函数调用功能、ETL 数据工程框架以及丰富的文档和示例。
支持众多 AI 提供商的聊天、文本转图像和嵌入模型,包括 Amazon Bedrock、Anthropic、OpenAI 等。还支持访问数千个模型,如 HuggingFace 上的模型。
如果你看过 OpenAI 的官方文档,会发现它有问答、文生图、文字转语音等等各种各样的上百个接口。其他的模型也差不多是这个数量,如果一个应用要接入多个 AI 模型,光实现接口就得花上很多时间。有了 Spring AI ,相当于帮我们封装了一层,只要配置上参数后,就可以用统一的标准调用各个大模型了。
如果你的产品是选用 Java 技术栈的,并且要做出海的话,选择 Spring AI 能节省不少时间。
官方仓库:https://github.com/alibaba/spring-ai-alibaba
这是阿里刚刚发布的,是一款 Java 语言实现的 AI 应用开发框架,旨在简化 Java AI 应用程序开发,让 Java 开发者像使用 Spring 开发普通应用一样开发 AI 应用。Spring AI Alibaba 基于 Spring AI 开源项目构建,默认提供阿里云基础模型服务、开源及商业生态组件的集成与最佳实践。
核心能力如下:
如果你的AI产品是 Java 技术栈,而且采用国内大模型的,尤其是使用阿里通义千问的,使用Spring AI Alibaba可以节省不少时间。
文章来自于微信公众号“古时的风筝”,作者“风筝”
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI
【开源免费】kimi-free-api是一个提供长文本大模型逆向API的开渔免费技术。它支持高速流式输出、智能体对话、联网搜索、长文档解读、图像OCR、多轮对话,零配置部署,多路token支持,自动清理会话痕迹等原大模型支持的相关功能。
项目地址:https://github.com/LLM-Red-Team/kimi-free-api?tab=readme-ov-file
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0