首页手记 Java AI Skills...

Java AI Skills 诞生：从“盲目对话”到“有组织的行为模式”

标签：

Java 人工智能

在 AI Agent 的工程化实践中，开发者们常常会经历从满怀期待到陷入迷茫的心路历程。起初，我们为大模型能够通过 Function Call 调用诸如 getMessage(String id) 这样的简单函数而赞叹不已；然而，当着手构建复杂的企业级应用时，我们很快意识到：分散在各处的函数（Functions）并不能真正构成智能系统，它们缺乏有效组织、缺少状态管理、更没有清晰的业务边界。

正是为了攻克这一核心难题，Solon AI Skills 应运而生。它不仅是一套 API 的简单封装，更是为 Java 开发者量身打造的一套全新的“AI 能力组织范式”。

一、为什么我们需要的是 Skill，而不仅仅是 Tool？

在传统的大语言模型（LLM）开发流程中，我们习惯于直接向模型推送一组 Tools（工具）。然而，在复杂的业务场景下，这种做法会面临三大挑战：

能力的“碎片化”： 若将上百个函数一次性抛给模型，过载的上下文信息会导致模型决策混乱。
指令的“脱节”： 工具仅告知模型“如何操作”，却无法让模型理解在何种业务背景下“是否应该执行”。
生命周期的缺失： 简单的函数无法感知对话的开始与结束，也无法依据当前用户身份动态调整自身行为。

Skill（技能）的出现，正是为了将孤立的“工具”提升为具备完整逻辑的“功能单元”。

二、 Solon AI Skill 的核心架构

一个 Solon AI Skill 是由 行为（Tools）、指令（Instructions） 与 感知（Context Awareness） 三者有机结合而成的复合体。

1. 声明式的能力导出

开发者无需再手动编写复杂的 JSON Schema。借助 @ToolMapping 注解，普通的 Java 方法能够即刻转化为 AI 可识别与调用的技能点。

2. 动态指令注入 (`getInstruction`)

这是 Skill 的精髓所在。它允许技能在被加载时，自动向大模型的系统提示（System Prompt）中注入一段“潜意识”指令。

例如：一个“客服技能”在挂载后，会自动告知模型：“你当前的角色是高级售后顾问，请始终保持礼貌用语，并在每次对话结尾询问用户对服务是否满意。”

3. 智能准入控制 (`isSupported`)

技能具备“自主判断”能力。它可以根据当前的 Prompt 属性（例如用户角色、租户信息、会话状态等）来决定自身是否应出现在模型可用的工具列表中。

三、实战：定义你的第一个 Skill

让我们通过一段代码示例，直观展示 Solon AI 如何优雅地定义一个“订单管理技能”。

// 定义一个具备业务感知能力的技能
public class OrderSkill extends AbsSkill {

    @Override
    public boolean isSupported(Prompt prompt) {
        // 仅在处理订单相关会话且用户已登录时激活此技能
        return prompt.attr("user_id") != null;
    }

    @Override
    public String getInstruction(Prompt prompt) {
        // 动态注入业务规则
        return "执行订单操作时，请务必核对订单号格式（A-加数字）。";
    }

    @ToolMapping(description = "根据ID查询订单状态")
    public String getOrderStatus(String orderId) {
        // 纯粹的业务逻辑实现
        return "订单 " + orderId + " 正在配送中";
    }
}

在调用端，你只需像搭乐高一样轻松“挂载”这个技能：

chatModel.prompt("查询订单 A100 的进度")
         .options(o -> o.skillAdd(new OrderSkill())) // 乐高式挂载
         .call();

四、诞生背后的架构哲学

Solon AI Skills 的设计灵感源自人类获取知识的方式：我们并非在脑中存储孤立的 API，而是掌握一项项 完整的技能体系。

高度封装： 每个技能都是自包含的独立单元。例如，你可以将“财务报表技能”打包成 Jar 文件，分发给不同项目组，实现即插即用，无需关心内部 Prompt 的编写细节。
工程化整合： 该设计完美契合 Java 的强类型与面向对象特性。开发者可利用继承、组合等机制，构建更为复杂的“复合技能”。
分布式感知： 结合 MCP 协议，Solon AI 进一步推出了 Remote Skills，使你的 AI 技能能够跨越进程与网络边界，在任何位置被感知和调用。