LiteFlow-AI 是基于 LiteFlow 规则引擎框架的 AI 扩展模块，它将 AI 能力与 LiteFlow 强大的流程编排能力完美结合，为开发者提供了一种声明式、组件化的方式来构建 AI 应用。
核心特性：
- 注解驱动：通过简洁的注解定义 AI 组件，无需编写大量样板代码
- 多模型支持：支持主流 AI 模型提供商，如 OpenAI、DashScope、Ollama 等
- 流程编排：利用 LiteFlow 的 EL 表达式轻松编排复杂的 AI 调用流程
- 流式与阻塞：同时支持流式输出与阻塞调用，满足不同场景需求
- 工具调用：内置工具调用机制，让 AI 能够调用你定义的函数
- 结构化输出：支持将 AI 输出直接解析为 Java 对象
在构建 AI 应用时，你可能会遇到以下挑战：
- 业务逻辑复杂：需要将多个 AI 调用、数据处理、业务判断串联起来
- 代码臃肿：大量的条件判断和流程控制代码混杂在一起
- 难以维护：业务规则变化时需要修改大量代码
- 可扩展性差：添加新的 AI 能力或调整流程需要大量重构
LiteFlow-AI 的解决方案：
- 组件化：将 AI 调用封装为独立组建，职责单一，易于测试和复用
- 规则驱动：使用声明式的规则文件编排流程，业务逻辑一目了然
- 动态调整：规则可以热刷新，业务流程调整无需重启服务
- 统一抽象：屏蔽不同 AI 提供商的差异，切换成本低
- JDK 8 及以上版本
- SpringBoot 2.x 或 3.x
- Maven 或 Gradle 构建工具
- 通过 bom 在包管理 pom 文件中引入
<dependencyManagement>
<dependencies>
<!-- LiteFlow-AI的依赖配置-->
<dependency>
<groupId>com.yomahub</groupId>
<artifactId>liteflow-ai-bom</artifactId>
<version>${liteflow.version}</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>- 在具体的业务模块中按需导入对应的依赖，比如假设你希望引入调用 DashScope模型 的能力：
<dependencies>
<dependency>
<groupId>com.yomahub</groupId>
<artifactId>liteflow-ai-dashscope</artifactId>
</dependency>
</dependencies> <dependencies>
<!-- 选择其中一个 AI 提供商的依赖 -->
<!-- Ollama -->
<dependency>
<groupId>com.yomahub</groupId>
<artifactId>liteflow-ai-ollama</artifactId>
<version>2.16.0</version>
</dependency>
<!-- OpenAI -->
<dependency>
<groupId>com.yomahub</groupId>
<artifactId>liteflow-ai-openai</artifactId>
<version>2.16.0</version>
</dependency>
<!-- 通义千问 DashScope -->
<dependency>
<groupId>com.yomahub</groupId>
<artifactId>liteflow-ai-dashscope</artifactId>
<version>2.16.0</version>
</dependency>
</dependencies>dependencies {
// 选择其中一个 AI 提供商的依赖
// Ollama
implementation 'com.yomahub:liteflow-ai-ollama:2.16.0'
// OpenAI
implementation 'com.yomahub:liteflow-ai-openai:2.16.0'
// 通义千问 DashScope
implementation 'com.yomahub:liteflow-ai-dashscope:2.16.0'
}需要在 src/main/resources/application.yaml 中配置 LiteFlow-AI 相关配置信息：
liteflow:
rule-source: flow.el.xml
ai:
enable: true
base-packages: com.example.demo.node # 你的AI组件所在的包路径如果你使用的是 DashScope 模型 或者 OpenAI 输出格式的模型，还需要配置 DashScope 或 OpenAI 的 API Key：
liteflow:
ai:
dashscope:
api-key: your-dashscope-api-key
openai:
api-key: your-openai-api-keyLiteFlow-AI 中创建一个 AI 组件通过定义一个接口类 + 注解的方式来实现, 有如下的组织结构：
@AIComponent(...)
@AIChat(...)
@AIInput(...)
@AIOutput(...)
public interface MyAICmp {}共计 4 大注解类型：
@AIComponent：标记这是一个AI组件，并配置与AI模型厂商相关的基础信息，如API地址、模型名称、超时等。@AIChat&@AIClassify：标记AI组件的具体任务类型。@AIChat 用于对话场景，@AIClassify 用于分类场景。@AIInput：配置AI组件的输入，定义如何从LiteFlow上下文中提取数据并填充到Prompt模板中。@AIOutput：配置AI组件的输出，定义如何将AI模型的返回结果（无论是文本还是结构化JSON）映射回LiteFlow上下文中。
当我们创建了一个接口并定义好这些注解后，就可以在LiteFlow的规则文件中直接引用这个AI组件, 对应的组件名称可以使用 AIComponent 中的 nodeId 设置，也可以使用默认值，即类名。假设我们定义了一个 nodeId 为 ai 的 aiCmp，那么规则文件与 LiteFlow 原生书写方式无异，如下所示：
<flow>
<chain name="chain1">
THEN(ai);
</chain>
</flow>