Apache Flink 社區很高興地宣佈發佈 Apache Flink Agents 的首個預覽版本（0.1.0）。
什麼是 Apache Flink Agents
Apache Flink Agents 是 Apache Flink 的全新子項目，用於在 Flink 的流處理運行時之上直接構建事件驅動的 AI 智能體。它在同一框架內統一了流處理與自主智能體能力，將 Flink 在規模、低時延、容錯能力和狀態管理方面的成熟優勢，與構建智能體所需的能力（大型語言模型、工具、記憶與動態編排）相結合。
為什麼需要 Apache Flink Agents
儘管 AI 智能體在聊天機器人和智能編程等交互式應用中發展迅速，但這類系統通常以同步、一次性的交互為主。許多企業場景無法等待用户觸發後再啓動。例如，在電商、金融、物聯網和物流等工業化場景中，系統必須對支付失敗、傳感器異常或用户點擊等實時事件立即作出關鍵決策。
要在生產環境中取得成功，企業級智能體必須具備以下能力：
-
處理實時且高吞吐的事件流，例如交易、傳感器異常或用户點擊。
-
持續且自主運行，而不僅在收到指令時才工作。
-
在出現問題時，確保安全性、可審計性以及故障恢復能力。
這類工作不僅需要“智能”，還要求大規模處理能力、毫秒級延遲、容錯能力以及有狀態的協調，而這些正是 Apache Flink 的強項。
迄今為止，還沒有一個統一的框架能夠將 Agentic AI 模式引入 Flink 久經考驗的流處理生態。Apache Flink Agents 通過將智能體視作事件驅動的微服務來彌補這一空白，使其具備始終在線、可靠且可擴展的特性。
核心特性
基於 Flink 久經驗證的流處理引擎，Apache Flink Agents 繼承了分佈式、大規模、具備容錯能力的結構化數據處理能力與成熟的狀態管理，並在此基礎上為智能體 AI 的基本組件與功能提供原生支持與抽象，如大語言模型（LLM）、提示詞、工具、記憶、動態編排、可觀測性等。
Apache Flink Agents 的核心特性包括：
-
大規模數據處理與毫秒級時延：依託 Flink 的分佈式處理引擎，實時處理海量事件流。
-
數據與 AI 的無縫集成：直接將 Flink 的 DataStream 和 Table API 作為智能體的輸入和輸出，實現 Flink 中結構化數據處理與 AI 文本處理能力的平滑集成。
-
Action 級別的精確一次一致性：通過將 Flink 的檢查點機制與外部預寫日誌相結合，確保智能體的 Action 及其外部效應具備精確一次一致性語義。
-
**熟悉的智能體抽象：**沿用業內常見的 AI 智能體概念，便於具有相關經驗的開發者快速上手並在 Apache Flink Agents 上構建應用。
-
多語言支持：同時提供原生的 Python 與 Java API，適配多樣化開發環境，支持團隊選擇偏好的編程語言。
-
豐富的生態系統：原生集成主流大語言模型（LLM）、來自不同提供商的向量存儲，以及託管在 MCP 服務器上的工具與提示詞，並支持自定義擴展。
-
可觀測性：採用以事件為中心的編排方式，所有智能體的 Action 均由事件連接與控制，可通過事件日誌觀察並理解智能體行為。
0.1.0 版本發佈
Flink Agents 0.1.0 可在此處下載。
文檔與快速入門示例可在此處查閲。
注意：Flink Agents 0.1.0 為預覽版本，這意味着：
-
部分功能可能存在已知或未知問題。您可以通過 Github Issues 查看已知問題列表及其解決狀態。
-
當前的 API 與配置選項處於實驗階段，後續版本可能發生不向後兼容的變更。因此，我們不建議在對穩定性要求較高的生產環境中使用該版本。
我們非常感謝您提供的任何反饋，無論是分享您如何使用我們的產品、提出新功能建議、幫助我們發現和修復問題，還是任何其他想法。您的見解對我們而言彌足珍貴。
您可以通過以下方式聯繫我們：
-
加入 Apache Flink Slack，在 #flink-agents-user 頻道尋求幫助。
-
在 Github Issues 提交功能需求和缺陷報告。
-
在 Github Discussions 分享您的使用案例和想法。
貢獻者列表
Apache Flink 社區感謝對此版本作出貢獻的每一位貢獻者：
Adem Amen Thabti, Alan Z., Eugene, Hao Li, HuangXingBo, Kavishankarks, KeGu-069, Letao Jiang, Qingsheng Ren, Richard, Wenjin Xie, Xintong Song, Xu Huang, Xuannan, twosom, yanand0909, zhaomin1423