Feat AI 简介

Feat AI 是 Feat 生态中的 AI 能力模块，为 Java 应用提供对话、嵌入、重排序、Agent 等能力，并与 Feat 的轻量、高性能风格保持一致。

背景介绍

在 Java 生态中集成大语言模型（LLM）时，开发者往往需要自行对接多种厂商 API、处理流式响应与工具调用。Feat AI 将常用能力抽象为统一 API，支持 Gitee AI、Ollama 等后端，便于在 Feat 项目内快速接入 AI 功能。

设计理念

• 统一入口：通过 FeatAI 静态工厂创建各类模型（对话、嵌入、重排序、Agent），配置方式一致。
• 厂商无关：通过 ChatModelVendor、EmbeddingModelVendor 等枚举或自定义 baseUrl 切换后端，代码侧无需大改。
• 与 Feat 一致：基于 Feat 的 HTTP 客户端与异步风格，无额外重量级依赖，适合嵌入现有 Feat 服务。

能力概览

能力	入口方法	典型用途
对话	FeatAI.chatModel(...)	单轮/多轮对话、流式输出、函数调用
嵌入	FeatAI.embedding(...)	文本向量化，用于检索、RAG
重排序	FeatAI.reranker(...)	对检索结果重排序，提升相关性
Agent	FeatAI.agent(...)	ReAct 范式 Agent，结合推理与工具调用

提示

术语说明：ReAct（Reasoning + Acting）是一种 Agent 范式：模型先推理任务，再调用工具执行，根据结果继续推理，直到完成任务。Feat AI 的 Agent 基于该范式实现。

架构要点

• 配置即代码：ChatOptions、EmbeddingOptions、AgentOptions 等均采用链式配置，API Key 等支持环境变量（如 FEAT_AI_API_KEY）。
• 流式与同步并存：对话支持 chat() 与 chatStream()，按场景选择。
• 可扩展：Agent 通过 AgentTool 注册工具，Embedding 可与向量库（如 Chroma、Milvus）配合做 RAG。

扩展阅读

• 开始使用 Feat AI：从零完成第一次对话。
• 对话与流式：配置对话模型与流式输出。
• 使用 Agent：使用 ReAct Agent 与工具。
• Embedding 与向量：文本向量化与典型用法。