开源推荐 morning

GitHub 热门项目：fit-framework

2026-09-15 1 阅读 约9分钟阅读 GitHub Trending

---------- # FIT：重新定义AI工程化的三维坐标系 ## 核心架构 1. **FIT核心：语言无界，算力随需** 多语言函数计算基础（Java/Python/C++）支持插件化热插拔，独创智能聚散部署——代码采集修改，批量应用与多元化服务一键切换，运行时自动路由调用本地或 RPC，让基础设施成为「隐形的伙伴」。 2. **WaterFlow引擎：流式智能，万物可编排** 打破BPM与响应式编程的次元壁，图形化编排与报表式API双模驱动。业务逻辑可像乐高组合般动态拼接，从数十级微流程到跨系统长事务，皆以统一范式驾驭。 3. **FEL (FIT Expression for LLM)：Java生态的LangChain革命** 当 Python 集群的 LangChain 大规模 AI 应用开发时，FEL 为 Java 开发者带来了更符合工程化实践的答案——基于标准化原语封装大模型、知识库与工具链，让 AI能力真正融入Java技术栈的血脉。 - 检索样例 ``java AiProcessFlow<提示，内容>retrieveFlow = AiFlows.<提示>create() .runnableParallel(历史(), passThrough()) .条件() .match(提示 -> !tip.freeze().get(DEFAULT_HISTORY_KEY).text().isEmpty(), 节点 -> node.prompt(Prompts. human(REWRITE_PROMPT)) .generate(chatFlowModel) .map(聊天消息::文本)) .others(节点 -> node.map(tip -> Tip.freeze().get("query").text())) .retrieve(new DefaultVectorRetriever(vectorStore, SearchOption.custom().topK(1).build())) .synthesize(docs -> Content.from(docs.stream().map(Document::text).collect(Collectors.joining("\n\n")))) .close(); ```` - 代理样例 ``java AiProcessFlow agentFlow = AiFlows.create() .map(查询 -> Tip.fromArray(查询)) .prompt(Prompts. human("{{0}}")) .委托（代理） .close(); ```` ## 设计哲学 - 约定配置的工程实践 FIT通过智能预期大幅减少胶水代码： - 部署无感化：聚散模式自动识别，开发者仅需声明业务关系，加装手工标签远程/本地调用 - 协议透明化：HTTP/gRPC/共享内存等通信方式由框架按上下文智能选择 - 资源自管理：插件依赖自动注入，服务发现与熔断机制内置实现 这种「智能合约」机制，使得 80% 的通用场景实现零配置，同时保留 20% 复杂场景的深度定制能力。 ##为什么工程师选择FIT？ - 填补空白：首个面向Java生态的AI全栈框架，让Java开发者消耗切换技术栈即可构建现代AI应用 - 拒绝让步：既保有Python生态的敏捷性，又继承了Java体系的高性能与工程化优势 - 面向未来：从单机原型到云资源，架构弹性随业务共同发展 ---------- ## 环境配置 开发环境配置 - 开发环境：`IntelliJ IDEA` - Java 17 - 代码格式化文件：[CodeFormatterFromIdea.xml](CodeFormatterFromIdea.xml) - `Maven`配置：推荐版本 Maven 3.8.8+ **构建命令** ````bash # 只需构建 Java 框架 mvn 干净安装 # 全局构建（Java框架+Sandbox CLI），默认跳过测试 ./build.sh # 全局构建（含测试） ./build.sh --with-test ```` `build.sh` 在 `mvn clean install` 基础上，另外编译 Sandbox CLI 将产物输出到 `build/bin/`。 **输出目录** ```` 构建/ ├── 垃圾箱/ │ ├── fit # FIT 启动命令