当前位置： 首页 > web >正文

​维基框架 (Wiki Framework) 1.1.0 版本发布​ 提供多模型AI辅助开发

web 2025/8/23 18:41:13

介绍

多模型AI辅助开发​

维基框架1.1.0集成了主流AI引擎的统一接口，支持开发者按需调用不同模型的优势能力：

  • ​DeepSeek​：专注代码生成与重构，擅长复杂业务逻辑实现

  • ​ChatGPT​：多模态推理能力，适用于系统架构设计

  • ​Grok​：实时数据分析，优化生产环境问题诊断

  • ​DouBao​：中文语义深度理解，提升本土化文档质量

  • ​Qwen3​：强化数学推理，专精财务/统计模块开发，支持在线搜索功能。

通过智能路由机制，系统根据代码特征自动选择最佳模型（可手动配置）。开发者可同时使用多个模型协同工作，例如用DeepSeek生成代码，Qwen3验证事务，DouBao编写文档。

使用

运行环境要求

最低JDK版本：17+（1.0.7及更早版本支持Java 8）

统一接口架构

  public static void main(String[] args) {CdkjApplication.run(AiApplication.class, args);QwenConfig config = new QwenConfig();config.setApiKey("sk-xxxx");QwenService chatService = (QwenService) AiUtils.findAiService(config);System.out.printf("AI回复" + chatService.chat("你好，请介绍一下你呢。"));config.setModel(Qwen.QWEN_VL_MAX_LATEST.getModel());QwenService service = AiUtils.findAiService(config, QwenService.class);System.out.printf("AI回复" + service.chatVision(List.of("介绍这个图片。"), List.of("https://framewiki.com/logo.png")));}

依赖引入

<dependency><groupId>com.framewiki</groupId><artifactId>wiki-all</artifactId><version>1.1.0</version>
</dependency>

模块介绍

模块目录

配置读取

package com.cdkjframework.ai.model.qwen;import com.cdkjframework.ai.core.impl.BaseAiConfig;
import com.cdkjframework.ai.enums.ModelsName;
import com.cdkjframework.ai.enums.Openai;
import com.cdkjframework.ai.enums.Qwen;
import com.cdkjframework.util.tool.StringUtils;/*** @ProjectName: wiki-framework* @Package: com.cdkjframework.ai.model.qwen* @ClassName: QwenConfig* @Description: java类作用描述* @Author: xiaLin* @Date: 2025/8/3 9:07* @Version: 1.0*/
public class QwenConfig extends BaseAiConfig {/*** 构造函数*/public QwenConfig() {// API接口地址super.setApiUrl("https://dashscope.aliyuncs.com/compatible-mode/v1");if (StringUtils.isNullAndSpaceOrEmpty(super.getModel())) {super.setModel(Qwen.QWEN_PLUS.getModel());}}/*** 构造函数** @param apiKey API密钥*/public QwenConfig(String apiKey) {this();super.setApiKey(apiKey);}/*** 获取模型（厂商）名称** @return 返回模型（厂商）名称*/@Overridepublic String getModelName() {return ModelsName.QWEN.getValue();}
}

服务注入

package com.cdkjframework.ai.model.qwen;import com.cdkjframework.ai.core.AiConfig;
import com.cdkjframework.ai.core.AiProvider;
import com.cdkjframework.ai.enums.ModelsName;
import com.cdkjframework.ai.model.qwen.impl.QwenServiceImpl;/*** @ProjectName: wiki-framework* @Package: com.cdkjframework.ai.model.qwen* @ClassName: QwenProvider* @Description: java类作用描述* @Author: xiaLin* @Date: 2025/8/3 9:08* @Version: 1.0*/
public class QwenProvider implements AiProvider {/*** 获取服务名称** @return 返回服务名称*/@Overridepublic String getServiceName() {return ModelsName.QWEN.getValue();}/*** 创建服务** @param config 配置信息*/@Overridepublic QwenService create(AiConfig config) {return new QwenServiceImpl(config);}
}

接口

服务接口

package com.cdkjframework.ai.model.qwen;import java.util.List;
import java.util.function.Consumer;import com.cdkjframework.ai.constant.AiCommon;
import com.cdkjframework.ai.core.AiService;
import com.cdkjframework.ai.core.Message;
import com.cdkjframework.builder.ResponseBuilder;/*** @ProjectName: wiki-framework* @Package: com.cdkjframework.ai.model.qwen* @ClassName: QwenService* @Description: java类作用描述* @Author: xiaLin* @Date: 2025/8/3 9:08* @Version: 1.0*/
public interface QwenService extends AiService {/*** 搜索*/String EXTRA_BODY = "extra_body";/*** 搜索值*/String EXTRA_BODY_VALUE = "{\"enable_search\": True\"}";/*** 流式参数*/String STREAM_OPTIONS = "stream_options";/*** 流式参数值*/String STREAM_OPTIONS_VALUE = "{\"include_usage\": True}";/*** 对话* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param messages 消息列表* @return 返回AI回复的消息*/String chatSearch(final List<Message> messages);/*** 对话-SSE 流式输出* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param messages 消息列表* @param callback 流式数据回调函数*/void chatSearch(final List<Message> messages, final Consumer<ResponseBuilder> callback);/*** 图像理解：模型会依据传入的图片信息以及问题，给出回复。** @param prompts 提问* @param images 图片列表/或者图片Base64编码图片列表(URI形式)* @return AI回答内容*/String chatVision(List<String> prompts, final List<String> images);/*** 图像理解-SSE流式输出** @param prompts   提问* @param images   传入的图片列表地址/或者图片Base64编码图片列表(URI形式)* @param callback 流式数据回调函数*/void chatVision(List<String> prompts, final List<String> images, final Consumer<ResponseBuilder> callback);/*** 图像理解：模型会依据传入的图片信息以及问题，给出回复。** @param prompts 提问* @param videos 视频列表(URI形式)* @return AI回答内容*/String chatVideoVision(List<String> prompts, final List<List<String>> videos);/*** 图像理解-SSE流式输出** @param prompts   提问* @param videos   视频列表(URI形式)* @param callback 流式数据回调函数*/void chatVideoVision(List<String> prompts, final List<List<String>> videos, final Consumer<ResponseBuilder> callback);
}

服务接口实现

package com.cdkjframework.ai.model.qwen.impl;import com.cdkjframework.ai.core.AiConfig;
import com.cdkjframework.ai.core.Message;
import com.cdkjframework.ai.core.impl.BaseAiService;
import com.cdkjframework.ai.model.qwen.QwenService;
import com.cdkjframework.builder.ResponseBuilder;
import com.cdkjframework.constant.IntegerConsts;
import com.cdkjframework.util.tool.JsonUtils;
import com.cdkjframework.util.tool.ThreadUtils;import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.function.Consumer;import static com.cdkjframework.ai.constant.AiConstant.*;
import static com.cdkjframework.ai.constant.AiConstant.Qwen.*;/*** @ProjectName: wiki-framework* @Package: com.cdkjframework.ai.model.qwen.impl* @ClassName: QwenServiceImpl* @Description: Qwen AI 服务实现类* @Author: xiaLin* @Date: 2025/8/3 9:08* @Version: 1.0*/
public class QwenServiceImpl extends BaseAiService implements QwenService {/*** 构造函数** @param config AI 服务接口*/public QwenServiceImpl(AiConfig config) {super(config);}/*** 对话* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param messages 消息列表* @return 返回AI回复的消息*/@Overridepublic String chat(List<Message> messages) {final String paramJson = buildChatRequestBody(messages, Boolean.FALSE);// 发送POST请求final StringBuilder response = post(CHAT_ENDPOINT, paramJson);// 返回结果return response.toString();}/*** 对话-检索增强* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param messages 消息列表* @return 返回AI回复的消息*/@Overridepublic String chatSearch(List<Message> messages) {final String paramJson = buildChatRequestBody(messages, Boolean.TRUE);// 发送POST请求final StringBuilder response = post(CHAT_ENDPOINT, paramJson);// 返回结果return response.toString();}/*** 对话-SSE 流式输出* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param messages 消息列表* @param callback 流式数据回调函数*/@Overridepublic void chat(List<Message> messages, Consumer<ResponseBuilder> callback) {Map<String, Object> paramMap = buildChatStreamRequestBody(messages, Boolean.FALSE);ThreadUtils.newThread(() -> postStream(CHAT_ENDPOINT, paramMap, callback), QWEN_CHAT_SSE).start();}/*** 对话-SSE 流式输出* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param messages 消息列表* @param callback 流式数据回调函数*/@Overridepublic void chatSearch(List<Message> messages, Consumer<ResponseBuilder> callback) {Map<String, Object> paramMap = buildChatStreamRequestBody(messages, Boolean.TRUE);ThreadUtils.newThread(() -> postStream(CHAT_ENDPOINT, paramMap, callback), QWEN_CHAT_SSE).start();}/*** 对话-检索增强* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param prompts 消息列表* @return 返回AI回复的消息*/@Overridepublic String chatVision(List<String> prompts, List<String> images) {// 构建请求体String paramJson = buildChatVisionRequestBody(prompts, images);return post(CHAT_ENDPOINT, paramJson).toString();}/*** 对话 VISION SSE 流式输出* messages 可以由当前对话组成的消息列表，可以设置role，content。详细参考官方文档** @param prompts   提词* @param images   图片列表* @param callback 流式数据回调函数*/@Overridepublic void chatVision(List<String> prompts, List<String> images, Consumer<ResponseBuilder> callback) {// 构建请求体Map<String, Object> paramMap = buildChatVisionStreamRequestBody(prompts, images);ThreadUtils.newThread(() -> postStream(CHAT_ENDPOINT, paramMap, callback), QWEN_CHAT_VISION_SSE).start();}/*** 图像理解：模型会依据传入的图片信息以及问题，给出回复。** @param prompts 提问* @param videos  视频列表(URI形式)* @return AI回答内容*/@Overridepublic String chatVideoVision(List<String> prompts, List<List<String>> videos) {// 构建请求体String paramJson = buildChatVideoRequestBody(prompts, videos);return post(CHAT_ENDPOINT, paramJson).toString();}/*** 图像理解-SSE流式输出** @param prompts  提问* @param videos   视频列表(URI形式)* @param callback 流式数据回调函数*/@Overridepublic void chatVideoVision(List<String> prompts, List<List<String>> videos, Consumer<ResponseBuilder> callback) {// 构建请求体Map<String, Object> paramMap = buildChatVideoStreamRequestBody(prompts, videos);ThreadUtils.newThread(() -> postStream(CHAT_ENDPOINT, paramMap, callback), QWEN_CHAT_VISION_SSE).start();}/*** 构建chat请求体** @param messages 消息列表* @param search   是否搜索* @return 返回消息字符串*/private String buildChatRequestBody(final List<Message> messages, boolean search) {final Map<String, Object> paramMap = new HashMap<>();buildRequestBody(Boolean.FALSE, search, paramMap, messages);// 合并其他参数paramMap.putAll(config.getAddConfigMap());// JSON 序列化return JsonUtils.objectToJsonString(paramMap);}/*** 构建chatVision请求体** @param prompts 提词* @param images 图片列表* @return 请求体字符串*/private String buildChatVisionRequestBody(List<String> prompts, final List<String> images) {// 使用JSON工具Map<String, Object> paramMap = buildRequestBody(Boolean.FALSE, prompts, images);return JsonUtils.objectToJsonString(paramMap);}/*** 构建chatStream请求体** @param messages 消息列表* @return 返回消息集合*/private Map<String, Object> buildChatStreamRequestBody(final List<Message> messages, boolean search) {final Map<String, Object> paramMap = new HashMap<>();buildRequestBody(Boolean.TRUE, search, paramMap, messages);// 合并其他参数paramMap.putAll(config.getAddConfigMap());return paramMap;}/*** 构建图片生成请求体** @param prompts 描述* @param images 图片* @return 请求体*/private Map<String, Object> buildChatVisionStreamRequestBody(List<String> prompts, final List<String> images) {// 返回参数return buildRequestBody(Boolean.TRUE, prompts, images);}/*** 构建视频生成请求体** @param prompts 描述* @param videos 图片* @return 请求体*/private String buildChatVideoRequestBody(List<String> prompts, final List<List<String>> videos) {// 使用JSON工具Map<String, Object> paramMap = buildVideoRequestBody(Boolean.FALSE, prompts, videos);return JsonUtils.objectToJsonString(paramMap);}/*** 构建视频生成请求体** @param prompts 描述* @param videos 图片* @return 请求体*/private Map<String, Object> buildChatVideoStreamRequestBody(List<String> prompts, final List<List<String>> videos) {// 返回参数return buildVideoRequestBody(Boolean.TRUE, prompts, videos);}/*** 构建请求体** @param stream 是否流式* @param prompts 提词* @param videos 图片列表* * @return 请求体集合*/private Map<String, Object> buildVideoRequestBody(boolean stream, List<String> prompts,final List<List<String>> videos) {// 定义消息结构final List<Message> messages = new ArrayList<>();final List<Object> content = getVideoObjects(prompts, videos);messages.add(new Message(USER, content));// 使用JSON工具final Map<String, Object> paramMap = new HashMap<>();if (stream) {paramMap.put(STREAM, Boolean.TRUE);}paramMap.put(MODEL, config.getModel());paramMap.put(MESSAGES, messages);// 合并其他参数paramMap.putAll(config.getAddConfigMap());return paramMap;}/*** 构建请求体** @param stream  是否流式* @param prompts 提词* @param images  图片列表* * @return 请求体集合*/private Map<String, Object> buildRequestBody(boolean stream, List<String> prompts, final List<String> images) {// 定义消息结构final List<Message> messages = new ArrayList<>();final List<Object> content = getObjects(prompts, images);messages.add(new Message(USER, content));// 使用JSON工具final Map<String, Object> paramMap = new HashMap<>();if (stream) {paramMap.put(STREAM, Boolean.TRUE);}paramMap.put(MODEL, config.getModel());paramMap.put(MESSAGES, messages);// 合并其他参数paramMap.putAll(config.getAddConfigMap());return paramMap;}/*** 获取图片内容** @param prompts 提词* @param videos 图片列表* * @return 图片内容*/private static List<Object> getVideoObjects(List<String> prompts, List<List<String>> videos) {final List<Object> content = new ArrayList<>(videos.size());for (List<String> video : videos) {int idx = videos.indexOf(video);String prompt = prompts.get(idx);// 构建视频内容HashMap<String, Object> urlMap = new HashMap<>(IntegerConsts.TWO);urlMap.put(TYPE, VIDEO);urlMap.put(VIDEO, video);content.add(urlMap);// 构建文本内容final Map<String, String> contentMap = new HashMap<>(IntegerConsts.TWO);contentMap.put(TYPE, TEXT);contentMap.put(TEXT, prompt);content.add(contentMap);}return content;}/*** 获取视频内容** @param prompts 提词* @param images  图片列表* * @return 图片内容*/private static List<Object> getObjects(List<String> prompts, List<String> images) {final List<Object> content = new ArrayList<>(IntegerConsts.ONE);for (String img : images) {int idx = img.indexOf(img);String prompt = prompts.get(idx);// 构建图片内容HashMap<String, Object> imgUrlMap = new HashMap<>(IntegerConsts.ONE);imgUrlMap.put(TYPE, IMAGE_URL);HashMap<String, Object> imgMap = new HashMap<>(IntegerConsts.ONE);imgMap.put(URL, img);imgUrlMap.put(IMAGE_URL, imgMap);content.add(imgUrlMap);HashMap<String, String> urlMap = new HashMap<>(IntegerConsts.TWO);urlMap.put(TYPE, TEXT);urlMap.put(TEXT, prompt);content.add(urlMap);}return content;}/*** 构建请求体** @param stream   是否流式* @param search   是否搜索* @param paramMap 参数集合* @param messages 聊天消息*/private void buildRequestBody(boolean stream, boolean search, final Map<String, Object> paramMap,final List<Message> messages) {paramMap.put(MODEL, config.getModel());paramMap.put(MESSAGES, messages);if (stream) {paramMap.put(STREAM, Boolean.TRUE);paramMap.put(STREAM_OPTIONS, STREAM_OPTIONS_VALUE);}if (search) {paramMap.put(EXTRA_BODY, EXTRA_BODY_VALUE);}}}

AI工厂

package com.cdkjframework.ai;import com.cdkjframework.ai.core.AiConfig;
import com.cdkjframework.ai.core.AiProvider;
import com.cdkjframework.ai.core.AiService;
import com.cdkjframework.exceptions.GlobalRuntimeException;import java.util.Map;
import java.util.ServiceLoader;
import java.util.concurrent.ConcurrentHashMap;/*** 创建 AiFactory 工厂类** @ProjectName: wiki-framework* @Package: com.cdkjframework.ai* @ClassName: AiFactory* @Description: 创建 AiFactory 工厂类* @Author: xiaLin* @Version: 1.0*/
public class AiFactory {/*** 创建 AiFactory 工厂类*/private static final Map<String, AiProvider> PROVIDERS = new ConcurrentHashMap<>();// 加载所有 AiProvider 实现类static {final ServiceLoader<AiProvider> loader = ServiceLoader.load(AiProvider.class);for (final AiProvider provider : loader) {PROVIDERS.put(provider.getServiceName().toLowerCase(), provider);}}/*** 获取AI服务** @param config AI 配置* @return AI服务实例*/public static AiService findAiService(final AiConfig config) {return findAiService(config, AiService.class);}/*** 获取AI服务** @param config Ai 配置* @param clazz  AI服务类* @param <T>    AI服务类* @return clazz对应的AI服务类实例*/@SuppressWarnings("unchecked")public static <T extends AiService> T findAiService(final AiConfig config, final Class<T> clazz) {final AiProvider provider = PROVIDERS.get(config.getModelName().toLowerCase());if (provider == null) {throw new IllegalArgumentException("不支持的模型: " + config.getModelName());}final AiService service = provider.create(config);if (!clazz.isInstance(service)) {throw new GlobalRuntimeException("模型服务不属于指定类型: " + clazz.getSimpleName());}// 返回服务return (T) service;}
}

AI工具

package com.cdkjframework.ai;import com.cdkjframework.ai.core.AiConfig;
import com.cdkjframework.ai.core.AiService;
import com.cdkjframework.ai.core.Message;
import com.cdkjframework.ai.model.deepseek.DeepSeekService;
import com.cdkjframework.ai.model.doubao.DouBaoService;
import com.cdkjframework.ai.model.grok.GrokService;
import com.cdkjframework.ai.model.openai.OpenaiService;
import com.cdkjframework.ai.model.qwen.QwenService;import java.util.List;/*** AI 工具类** @ProjectName: wiki-framework* @Package: com.cdkjframework.ai* @ClassName: AiUtils* @Description: AI 工具类* @Author: xiaLin* @Version: 1.0*/
public class AiUtils {/*** 获取AI模型服务，每个大模型提供的功能会不一样，可以调用此方法指定不同AI服务类，调用不同的功能** @param config 创建的AI服务模型的配置* @param clazz  AI模型服务类* @param <T>    AiService实现类* @return 返回 AI 模型服务类 的实现类实例*/public static <T extends AiService> T findAiService(final AiConfig config, final Class<T> clazz) {return AiFactory.findAiService(config, clazz);}/*** 获取AI模型服务** @param config 创建的AI服务模型的配置* @return 返回 AI 服务模型 其中只有公共方法*/public static AiService findAiService(final AiConfig config) {return findAiService(config, AiService.class);}/*** 获取DeepSeek模型服务** @param config 创建的AI服务模型的配置* @return DeepSeekService*/public static DeepSeekService findDeepSeekService(final AiConfig config) {return findAiService(config, DeepSeekService.class);}/*** 获取DouBao模型服务** @param config 创建的AI服务模型的配置* @return DouBaoService*/public static DouBaoService findDouBaoService(final AiConfig config) {return findAiService(config, DouBaoService.class);}/*** 获取Grok模型服务** @param config 创建的AI服务模型的配置* @return GrokService*/public static GrokService findGrokService(final AiConfig config) {return findAiService(config, GrokService.class);}/*** 获取Openai模型服务** @param config 创建的AI服务模型的配置* @return OpenAiService*/public static OpenaiService findOpenAiService(final AiConfig config) {return findAiService(config, OpenaiService.class);}/*** 获取Qwen模型服务** @param config 创建的AI服务模型的配置* @return QwenService*/public static QwenService findQwenService(final AiConfig config) {return findAiService(config, QwenService.class);}/*** AI大模型对话功能（公共）** @param config 创建的AI服务模型的配置* @param prompt 需要对话的内容* @return 返回 AI模型返回消息内容*/public static String chat(final AiConfig config, final String prompt) {return findAiService(config).chat(prompt);}/*** AI大模型对话功能（公共）** @param config   创建的AI服务模型的配置* @param messages 由目前为止的对话组成的消息列表，可以设置role，content。详细参考官方文档* @return 返回 AI模型返回消息内容*/public static String chat(final AiConfig config, final List<Message> messages) {return findAiService(config).chat(messages);}
}

总结

以上只是博主自己在实际项目中和参考其它文章总结出来，然后在将其实封成工具分享给大家。

相关源码在：维基框架

Gitee: https://gitee.com/cdkjframework/wiki-framework

Github：https://github.com/cdkjframework/wiki-framework

如果喜欢博主的分享记得给博主点点小星星

http://www.xdnf.cn/news/18624.html

相关文章：

  • 图像指针：高效处理像素数据的核心工具
  • Linux虚拟机安装FTP
  • AtCoder Beginner Contest 419(ABCDEF)
  • Python Flask快速实现163邮箱发送验证码
  • 防火墙双机热备
  • 数据结构之深入探索快速排序
  • docker 打包
  • syn和quote的简单使用——生成结构体
  • 网络编程8.22
  • C++---多态（一个接口多种实现）
  • YOLO算法：实时目标检测核心技术解析
  • CMake进阶：Ninja环境搭建与加速项目构建
  • UVa1472/LA4980 Hanging Hats
  • webpack开发模式与生产模式（webpack --mode=development/production“, ）
  • ubuntu使用fstab挂载USB设备(移动硬盘)
  • Jenkins用户授权管理 企业级jenkins授权策略 jenkins用户权限分配
  • 【go语言】使用Wails开发一款现代化文本编辑器 - 从0到1的实践指南
  • 机器学习之线性回归：原理、实现与实践
  • 动态代理保姆级别
  • 移动应用青少年模式开发成本解析：原生、Flutter与Uniapp方案对比-优雅草卓伊凡
  • Slither 审计自己写的智能合约
  • MySQL InnoDB记录存储结构深度解析
  • 服务发现实例和服务实例是不同的
  • reactive 核心要点
  • Unreal Engine UPrimitiveComponent
  • 数据分析编程第二步： 最简单的数据分析尝试
  • day58 拓扑排序 (kama117. 软件构建) dijkstra（朴素版）（kama47. 参加科学大会）
  • 无人机电机与螺旋桨的匹配原理及方法（一）
  • JavaSSM框架从入门到精通！第三天(MyBatis(二))！
  • Python训练营打卡Day40-简单CNN