前言

前言

为什么写这本教程

随着大语言模型（LLM）技术的飞速发展，AI 智能体（Agent）正在从实验室走向生产环境。从 ChatGPT 的对话能力到 AutoGPT 的自主执行，我们看到了 AI 智能体的巨大潜力。

然而，构建一个真正可用的智能体应用并非易事。开发者需要处理：

  • 复杂的推理循环：如何让 AI 能够"思考"并"行动"？
  • 工具调用编排：如何让 AI 能够使用外部工具完成任务？
  • 记忆管理：如何让 AI 记住对话历史和用户偏好？
  • 多智能体协作：如何让多个 AI 智能体协同工作？
  • 生产环境部署：如何保证稳定性、可观测性和安全性？

AgentScope-Java 正是为解决这些问题而生的框架。它为 Java 开发者提供了一套完整的智能体开发工具链，让你能够专注于业务逻辑，而无需从零搭建基础设施。

这本教程适合谁

适合阅读的读者

  1. Java 开发者

- 有 1 年以上 Java 开发经验 - 对 AI/LLM 技术感兴趣 - 希望在项目中引入智能体能力

  1. 全栈开发者

- 已经了解 LLM API 的基本使用 - 希望构建更复杂的 AI 应用 - 需要 Java 后端的智能体解决方案

  1. 架构师和技术负责人

- 评估企业级智能体框架 - 规划 AI 应用的技术架构 - 关注生产环境的可靠性和可维护性

前置知识要求

知识领域要求程度说明
Java 基础必需熟悉 Java 17+ 语法、泛型、注解
Maven/Gradle必需会配置依赖和运行项目
Spring Boot推荐部分示例使用 Spring Boot
响应式编程可选教程会介绍 Reactor 基础
LLM 基础概念可选了解 Token、Prompt 等概念更佳

如何使用这本教程

学习建议

  1. 动手实践

- 不要只看不练，每个代码示例都应该运行一遍 - 修改示例代码，观察行为变化 - 遇到问题先自己调试，加深理解

  1. 循序渐进

- 按章节顺序阅读，概念是层层递进的 - 第一部分和第二部分是基础，务必掌握 - 后续部分可根据需要选读

  1. 结合文档

- 教程侧重于讲解原理和最佳实践 - API 细节请参考官方文档和源码 - 附录提供了快速参考

代码约定

本教程中的代码示例遵循以下约定：

// ========================================
// 【注释说明】
// 重要概念和注意事项会用这种格式标注
// ========================================

// 导入语句：完整示例会包含必要的 import
import io.agentscope.core.ReActAgent;
import io.agentscope.core.message.Msg;

public class Example {
    public static void main(String[] args) {
        // 1. 第一步：创建模型
        // ↓ 这里使用 DashScope 作为 LLM 提供商
        DashScopeChatModel model = DashScopeChatModel.builder()
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))  // 从环境变量读取
                .modelName("qwen-max")                        // 指定模型名称
                .build();
        
        // 2. 第二步：创建智能体
        // ↓ ReActAgent 是框架提供的主要智能体实现
        ReActAgent agent = ReActAgent.builder()
                .name("Assistant")      // 智能体名称，多智能体场景用于区分身份
                .sysPrompt("你是一个有帮助的助手。")  // 系统提示词，定义角色
                .model(model)           // 关联 LLM 模型
                .build();
        
        // 3. 第三步：发送消息
        Msg response = agent.call(
                Msg.builder()
                        .textContent("你好！")
                        .build()
        ).block();  // block() 阻塞等待结果
        
        // 4. 输出结果
        System.out.println(response.getTextContent());
    }
}

图标说明

本教程使用以下图标标注特殊内容：

图标含义
注意容易出错的地方，需要特别留意
提示有用的技巧或建议
警告可能导致严重问题的操作
最佳实践推荐的做法
深入理解进阶内容，可选阅读

教程结构概览

本教程分为六大部分：

第一部分：框架概述与快速入门

快速了解 AgentScope-Java 是什么，能做什么，以及如何搭建开发环境。完成这部分后，你将运行起第一个智能体。

第二部分：核心概念详解

深入理解消息系统、智能体、模型和记忆这四大核心概念。这是整个框架的基础，务必扎实掌握。

第三部分：工具系统与扩展

学习如何为智能体添加工具能力，包括自定义工具、MCP 协议集成和 RAG 知识检索。让你的智能体能够执行实际操作。

第四部分：多智能体协作

探索多个智能体如何协同工作，包括 Pipeline 管道、MsgHub 消息中心和 A2A 协议。构建复杂的多智能体系统。

第五部分：高级特性

深入学习 Hook 系统、人机协同、计划管理、会话持久化等高级特性。让你的智能体应用达到生产级水平。

第六部分：实战案例

通过完整的案例学习如何设计和实现真实的智能体应用，包括狼人杀游戏和奶茶店多智能体系统。

获取帮助

在学习过程中遇到问题，可以通过以下渠道获取帮助：

  1. GitHub Issues：https://github.com/agentscope-ai/agentscope-java/issues
  2. Discord 社区：https://discord.gg/eYMpfnkG8h
  3. 官方文档：https://java.agentscope.io

致谢

感谢 AgentScope 团队创造了这个优秀的框架，感谢所有为开源社区做出贡献的开发者。

开始学习 → 第1章 AgentScope-Java 简介

← 返回目录