Solon AI v3.10.4 发布（智能体开发框架，支持 Java8 到 Java26）

Solon AI 是一个面向 Java 开发者的全栈智能体应用开发框架，具有以下核心特点：跨模型支持：统一接口可接入 OpenAI、Claude、Gemini 等多种大模型完整技术栈：包含 RAG 知识库、MCP 协议、多智能体协作等核心能力轻量高效：支持从 Java 8 到最新版本丰富应用场景：适用于智能助理、任务编排、数据处理等多种 AI 应用框架提供 ChatModel、Skill

组合缺一

312人浏览 · 2026-04-27 10:52:00

组合缺一 · 2026-04-27 10:52:00 发布

Solon AI

Solon AI 是一款面向 Java 开发者的全栈智能体（Agent）应用开发框架。它秉承 Solon 家族一贯的“克制、高效、开放”理念，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、AI-Flow	自动任务拆解、层级式协作、YAML 工作流

能用来开发什么应用？

通用自主智能体应用（比如：Manus、OpenOperator、Claude Code、OpenClaw）
智能助理与 RAG 知识库应用（比如：Dify、Coze）
多 Agent 协作的任务编排应用（比如：AutoGPT、MetaGPT）
业务驱动的受控流程审批应用（比如：智能版钉钉审批流、SAP 智能模块）
结构化数据处理与 ETL 应用（比如：Instabase、Unstructured.io）
实时数据智能看板应用（比如：Text-to-SQL 类应用）
自动化测试与质量保障应用（比如：GitHub Copilot Workspace）
低代码/可视化 AI 工作流平台（比如：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 “OpenCode”）：

https://gitee.com/opensolon/soloncode
https://gitcode.com/opensolon/soloncode
https://github.com/opensolon/soloncode

SolonClaw（基于 Java8 实现的 “OpenClaw” 或 “Moltbot”）：

https://gitee.com/opensolon/solonclaw
https://gitcode.com/opensolon/solonclaw
https://github.com/opensolon/solonclaw

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")
                .provider("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 = ChatchatModel.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<ChatResponse>

Skills（Solon AI Skills 技能）

Skill skill = new SkillDesc("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.skillAdd(skill))
         .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
List<Document> 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_06_18），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 {
    @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")
        .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 Harness

Solon 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。

HarnessProperties harnessProps = new HarnessProperties(".tmp/");
harnessProps.addTools(ToolPermission.TOOL_PI); //设定工具权限
harnessProps.addModel( null); //设定大模型配置

ChatModel chatModel = ChatModel.of(harnessProps.getChatModel()).build();
AgentSessionProvider sessionProvider = new AgentSessionProvider() {
    private Map<String, AgentSession> sessionMap = new ConcurrentHashMap<>();

    @Override
    public AgentSession getSession(String instanceId) {
        return sessionMap.computeIfAbsent(instanceId, k -> InMemoryAgentSession.of(k));
    }
};

HarnessEngine engine = HarnessEngine.builder()
        .properties(harnessProps)
        .chatModel(chatModel)
        .sessionProvider(sessionProvider)
        .build();

AgentSession session = engine.getSession(HarnessEngine.SESSION_DEFAULT);

//--- 用主代理模式
engine.getMainAgent().prompt(prompt)
        .session(session) //没有，则为临时会话
        .options(o -> {
            //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();

Ai Flow（流程编排体验）

模拟 Dify 的低代码流式应用，将 RAG、提示词增强、模型调用等环节 YAML 化编排。

id: demo1
layout:
  - type: "start"
  - task: "@VarInput"
    meta:
      message: "Solon 是谁开发的？"
  - task: "@EmbeddingModel"
    meta:
      embeddingConfig: # "@type": "org.noear.solon.ai.embedding.EmbeddingConfig"
        provider: "ollama"
        model: "bge-m3"
        apiUrl: "http://127.0.0.1:11434/api/embed"
  - task: "@InMemoryRepository"
    meta:
      documentSources:
        - "https://solon.noear.org/article/about?format=md"
      splitPipeline:
        - "org.noear.solon.ai.rag.splitter.RegexTextSplitter"
        - "org.noear.solon.ai.rag.splitter.TokenSizeTextSplitter"
  - task: "@ChatModel"
    meta:
      systemPrompt: "你是个知识库"
      stream: false
      chatConfig: # "@type": "org.noear.solon.ai.chat.ChatConfig"
        provider: "ollama"
        model: "qwen2.5:1.5b"
        apiUrl: "http://127.0.0.1:11434/api/chat"
  - task: "@ConsoleOutput"

# FlowEngine flowEngine = FlowEngine.newInstance();
# ...
# flowEngine.eval("demo1");