✨ AltEgo —— Create Another You ✨

---

🔍 项目简介

AltEgo 的名称来源于 “Alter Ego”，即 “另一个我”。

AltEgo 是一个基于 Java 开发的 AI Agent 框架，能够帮助开发者快速接入 ChatGPT、DeepSeek 等大模型。其灵活的架构支持模型的组合调用，并能轻松创建和管理自定义 AI 工作流。

✨ 主要特性

• 快速接入大模型：支持 ChatGPT、DeepSeek 等主流 LLM。
• 可扩展 AI Agent：采用插件式架构，便于集成自定义功能。
• 支持模型组合调用：可以组合不同模型，如 DeepSeek Reasoner 和 OpenAI GPT。
• 流式数据处理：支持异步与流式调用，提高响应速度。
• 易于部署与集成：兼容 Spring Boot 和其他 Java 生态工具。

---

🚀 安装与使用

1️⃣ 准备

• JDK 21 或更高版本
• Maven 或 Gradle 构建工具
• 可用的大模型 API Key（如 OpenAI、DeepSeek）

2️⃣ 添加依赖

使用 Maven

<!-- 暂未提供 -->
<dependency>
  <groupId>org.altegox</groupId>
  <artifactId>altego-framework</artifactId>
  <version>0.0.1-bata</version>
</dependency>

<dependency>
  <groupId>org.altegox</groupId>
  <artifactId>altego-openai</artifactId>
  <version>0.0.1-bata</version>
</dependency>

使用 Gradle

// 暂未提供
dependencies {
    implementation 'org.altegox:altego-framework:0.0.1-bata'
    implementation 'org.altegox:altego-openai:0.0.1-bata'
}

3️⃣ 快速开始

示例：连接 ChatGPT 并发送消息

public class TestChatService {
    @Test
    void easyChat() {
        OpenaiModel model = OpenaiModel.builder()
                .baseUrl(System.getenv("OPENAI_BASE_URL"))
                .apiKey(System.getenv("OPENAI_API_KEY"))
                .modelName("gpt-4o-mini")
                .stream(false)
                .build();

        OpenaiClient client = OpenaiClient.create(model);
        String response = client.generate("你好");
        System.out.println(response);
    }
}

示例：非流式调用

@Test
void syncChat() {
    OpenaiModel model = OpenaiModel.builder()
            .baseUrl(System.getenv("OPENAI_BASE_URL"))
            .apiKey(System.getenv("OPENAI_API_KEY"))
            .modelName("gpt-4o-mini")
            .stream(false)
            .build();

    OpenaiClient client = OpenaiClient.create(model);
    ModelResponse<ChatResponse> response = client.chat(List.of(
            Message.user("你好"),
            Message.assistant("我是你的智能助手。"),
            Message.user("你是哪个模型？")
    ));
    System.out.println(response.response());
}

示例：流式调用

@Test
void streamChat() {
    OpenaiModel model = OpenaiModel.builder()
            .baseUrl(System.getenv("OPENAI_BASE_URL"))
            .apiKey(System.getenv("OPENAI_API_KEY"))
            .modelName("gpt-4o-mini")
            .stream(true)
            .build();

    OpenaiClient client = OpenaiClient.create(model);
    ModelResponse<ChatResponse> response = client.chat(List.of(
            Message.user("你好"),
            Message.assistant("我是你的智能助手。"),
            Message.user("你是哪个模型？")
    ));
    response.stream().subscribe(chatResponse -> {
        System.out.println(chatResponse.toString());
    });
}

示例：组合调用（DeepClaude 形式）

@Test
void combinationChat() {
    LangModel model = OpenaiModel.builder()
                .stream(true)
                .reasoner(reasoner -> reasoner
                        .baseUrl(System.getenv("DEEPSEEK_BASE_URL"))
                        .apiKey(System.getenv("DEEPSEEK_API_KEY"))
                        .modelName("deepseek-reasoner")
                )
                .generate(generate -> generate
                        .baseUrl(System.getenv("OPENAI_BASE_URL"))
                        .apiKey(System.getenv("OPENAI_API_KEY"))
                        .modelName("gpt-4o")
                )
                .build();

    CombinationClient client = CombinationClient.create(model);
    ModelResponse<ChatResponse> response = client.chat(List.of(Message.user("0.9和0.11哪个更大？")));
    response.stream().subscribe(chatResponse -> {
        if (chatResponse.getChoices().getFirst().getDelta().getReasoningContent() != null)
            System.out.print(chatResponse.getChoices().getFirst().getDelta().getReasoningContent());
        if (chatResponse.getChoices().getFirst().getDelta().getContent() != null)
            System.out.print(chatResponse.getChoices().getFirst().getDelta().getContent());
    });
}

示例：工具调用 && 创建Agent

public class TestAltEgo {

    @BeforeAll
    static void initialize() {
        AltegoConfig.enableToolCache();
        AltegoFramework.init();
    }

    @Test
    void toolCallChat() {
        OpenaiModel model = OpenaiModel.builder()
                .baseUrl(System.getenv("OPENAI_BASE_URL"))
                .apiKey(System.getenv("OPENAI_API_KEY"))
                .modelName("gpt-4o")
                .tools(ToolManager.getInstance().getToolsByName("getWeather"))
                .stream(true)
                .build();
        OpenaiClient client = OpenaiClient.create(model);
        ModelResponse<ChatResponse> response = client.chat(List.of(Message.user("你好, 今天泰安天气怎么样？")));
        System.out.println(response.response());
    }

    @Test
    void testAgent() {
        BaseAgent agent = BaseAgent.builder()
                .baseUrl(System.getenv("OPENAI_BASE_URL"))
                .apiKey(System.getenv("OPENAI_API_KEY"))
                .modelName("gpt-4o")
                .name("weather")
                .prompt("今天天气怎么样")
                .build();
        String execute = agent.execute();
        System.out.println(execute);
    }

}

@Agent(
        name = "获取用户当地天气",
        group = "weather"
)
public class Tools {

    @Tool(description = "获取当前操作系统名称")
    public static String getOSName() {
        return System.getProperty("os.name");
    }

    @Tool(
            params = {
                    @Param(param = "city", description = "城市名称", required = true)
            },
            description = "获取今日天气"
    )
    public static String getWeather(String city) {
        return "多云";
    }

    @Tool(
            params = {
                    @Param(param = "a", description = "第一个数", required = true),
                    @Param(param = "b", description = "第二个数", required = true)
            },
            description = "计算两个数的和"
    )
    public int add(int a, int b) {
        return a + b;
    }

    @Tool(
            params = {
                    @Param(param = "numbers", description = "数字列表", required = true)
            },
            description = "计算多个数的和"
    )
    // 启用tool缓存，此tool允许在参数相同的情况下直接走缓存返回运行结果而并非真正运行
    @ToolCache
    public int add(List<Integer> numbers) {
        return numbers.stream().mapToInt(Integer::intValue).sum();
    }

}

---

🛠️ 配置

建议在 .env 文件或系统环境变量中配置, 避免信息的泄漏：

OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=your-api-key
DEEPSEEK_BASE_URL=https://api.deepseek.com
DEEPSEEK_API_KEY=your-api-key

---

🤝 贡献指南

欢迎贡献代码、优化文档或提交 Issue！

贡献步骤

1. Fork 本仓库
2. 创建新分支 (git checkout -b feature-xxx)
3. 提交修改 (git commit -m 'Add new feature')
4. 推送分支 (git push origin feature-xxx)
5. 创建 Pull Request