Solon AI v3.9 正式发布:全能 Skill 爆发

Solon AI v3.9 是一次专注于 AI 能力模块化封装 和 多智能体专业化协作 的重要升级。本次更新的核心是围绕 Skill(技能) 概念和 TeamAgent(团队智能体) 协议构建的,旨在让AI开发更规范、协作更高效。

核心特性概览

本次更新最显著的两个变化是:

  • 技能(Skill)体系化 :AI能力不再是一堆零散的"工具"(Tool),而是被组织成具有完整生命周期的"技能"模块。每个技能可以独立感知对话上下文、动态注入操作指令,并控制对外暴露的工具。这样,Agent就能在对话中按需激活相关技能,减少干扰,提升执行精准度。

  • 多Agent协作专业化 :新增了 TeamProtocol(团队协作协议) ,为多个Agent的协同工作制定了"组织规则"。开发者可以根据任务类型,从7种内置协作模式中选择,实现从简单的流水线到复杂的招标竞争等不同协作逻辑。

关键功能详解

1. Skill的三大核心能力

一个标准的Skill包含以下三个关键部分,使其具备"智能":

  • 感知 (isSupported): 技能能判断当前对话内容是否与自己相关,决定是否激活,避免无关工具干扰模型思考。

  • 约束 (getInstruction): 技能激活时,能向模型动态注入特定的操作规则和标准流程(SOP)。例如,财务技能会告诉模型:"所有金额必须以万元为单位汇报。"

  • 执行与染色 (getTools): 技能提供具体的工具函数,并通过"染色"机制,在工具的元数据中标记其所属技能,帮助模型更精准地建立指令与工具的关联。

2. Agent的七种协作模式

通过 TeamProtocol,可以将多个Agent组织起来。以下是主要的协作模式对比:

协议 模式 核心价值 最佳应用场景
HIERARCHICAL 层级式 集中决策,严格拆解与审核 复杂项目管理、多级合规审查
SEQUENTIAL 顺序式 确定性的状态接力 翻译->校对->润色流水线
SWARM 蜂群式 去中心化的快速接力 智能客服路由、高并发任务
A2A 对等式 点对点移交,减少干扰 专家咨询接力、技术支持转接
CONTRACT_NET 合同网 通过竞争机制寻找最优方案 寻找最优解、分布式计算分配
MARKET_BASED 市场式 基于资源成本进行最优配置 资源敏感型任务、高低成本模型混合调度
BLACKBOARD 黑板式 专家根据共享上下文异步协同 复杂故障排查、多源数据融合分析
3. 其他重要改进
  • 架构重构 :solon-ai 模块被拆分为 solon-ai-core 和 solon-ai-model-dialects,提升了适配与扩展的灵活性。

  • MCP协议增强 :支持将远程MCP服务包装成具备上下文感知能力的 Remote Skill,解决了静态工具交互带来的上下文噪音和权限真空问题。

  • 新组件 :新增了 solon-ai-repo-dashvector 插件(向量数据库支持)和 seata-solon-plugin 插件(分布式事务)。

开发者视角:快速上手与应用

对于开发者而言,这次更新意味着能用更简洁的代码构建更强大的AI应用。

快速体验 :以下代码展示了如何使用新增的 CliSkill,快速构建一个能理解并执行复杂终端命令的AI助手。

复制代码
// 10行代码创建一个具备文件操作能力的AI智能体[citation:9]
ReActAgent agent = ReActAgent.of(LlmUtil.getChatModel())
        .name("CodeAgent")
        .defaultSkillAdd(new CliSkill("/WORK/projects/my-ai-task")) // 注入CliSkill
        .build();

agent.prompt("帮我生成一个Solon Web项目,实现权限管理功能。");

应用场景建议:

  • 复杂流程自动化 :使用 HIERARCHICAL 协议,构建一个由"需求分析Agent"、"编码Agent"、"测试Agent"和"审核Agent"组成的开发团队,自动处理开发任务。

  • 技能市场/插件化 :将不同业务能力(如订单处理、数据报表、内容生成)封装成独立的 Skill JAR包,供不同项目按需"插拔"使用,提升复用性。

  • 安全与权限管控 :利用 Remote Skill 的动态路由能力,在服务端根据用户角色决定下发哪些工具,实现工具级别的权限控制(RBAC)。

📊 总结与评价

总的来说,Solon AI v3.9 的核心价值在于工程化 和专业化 。它通过引入 Skill 和 TeamProtocol 两大核心抽象,为Java AI应用开发提供了一套高内聚、低耦合的架构范式。

相关推荐
91刘仁德16 小时前
IP协议详解:从IP协议头到网段划分、路由与NAT
linux·服务器·网络·网络协议·tcp/ip
2501_9269783316 小时前
给自指系统接一个外部锚 —— 一个关于「用 AI 观察自己」的方法
人工智能·经验分享·笔记·机器学习·ai写作
MandalaO_O16 小时前
IDEA 开发(快捷键 + 调试 + 序列化)
java·ide·intellij-idea
不悔哥16 小时前
小智AI聊天机器人:ESP32上的开源语音助手拆解
人工智能·机器人·开源
枯木◊靠推文躺平版16 小时前
2026 企业级 AI 办公平台选型指南:如何评估可落地的办公 AI 能力
大数据·人工智能
空奈qwq16 小时前
ANN 全连接神经网络进阶:从反向传播到完整实战
人工智能·深度学习·神经网络
Dawson Zhu16 小时前
《Agentic Design Patterns》第 4 章导读:反思(Reflection)
人工智能·语言模型·架构·aigc·agi
可乐鸡翅yeah_17 小时前
业务中 M3U8 水印相关坑,硬水印和动态水印区别
前端·网络·数据库·ffmpeg·m3u8在线
xiaoqiMikko17 小时前
JVM 线上排查实战(七):jps 看不见它、jstack 连不上它,可它明明活得好好的
java·jvm
llqbzllll17 小时前
Spring AI 工具调用不是反射一下就结束:用 2.0.1 跑通失败恢复与调用上限
人工智能·后端