Apache Flink 社区很高兴地宣布发布 Apache Flink Agents 的首个预览版本（0.1.0）。
尽管 AI 智能体在聊天机器人和智能编程等交互式应用中发展迅速，但这类系统通常以同步、一次性的交互为主。许多企业场景无法等待用户触发后再启动。例如，在电商、金融、物联网和物流等工业化场景中，系统必须对支付失败、传感器异常或用户点击等实时事件立即作出关键决策。
要在生产环境中取得成功，企业级智能体必须具备以下能力：
处理实时且高吞吐的事件流，例如交易、传感器异常或用户点击。
持续且自主运行，而不仅在收到指令时才工作。
在出现问题时，确保安全性、可审计性以及故障恢复能力。
这类工作不仅需要“智能”，还要求大规模处理能力、毫秒级延迟、容错能力以及有状态的协调，而这些正是 Apache Flink 的强项。
基于 Flink 久经验证的流处理引擎，Apache Flink Agents 继承了分布式、大规模、具备容错能力的结构化数据处理能力与成熟的状态管理，并在此基础上为智能体 AI 的基本组件与功能提供原生支持与抽象，如大语言模型（LLM）、提示词、工具、记忆、动态编排、可观测性等。
Apache Flink Agents 的核心特性包括：
大规模数据处理与毫秒级时延：依托 Flink 的分布式处理引擎，实时处理海量事件流。
数据与 AI 的无缝集成：直接将 Flink 的 DataStream 和 Table API 作为智能体的输入和输出，实现 Flink 中结构化数据处理与 AI 文本处理能力的平滑集成。
Action 级别的精确一次一致性：通过将 Flink 的检查点机制与外部预写日志相结合，确保智能体的 Action 及其外部效应具备精确一次一致性语义。
熟悉的智能体抽象：沿用业内常见的 AI 智能体概念，便于具有相关经验的开发者快速上手并在 Apache Flink Agents 上构建应用。
多语言支持：同时提供原生的 Python 与 Java API，适配多样化开发环境，支持团队选择偏好的编程语言。
丰富的生态系统：原生集成主流大语言模型（LLM）、来自不同提供商的向量存储，以及托管在 MCP 服务器上的工具与提示词，并支持自定义扩展。
可观测性：采用以事件为中心的编排方式，所有智能体的 Action 均由事件连接与控制，可通过事件日志观察并理解智能体行为。
Flink Agents 0.1.0 下载 [1]
文档与快速入门示例查阅 [2]
注意：Flink Agents 0.1.0 为预览版本，这意味着：
部分功能可能存在已知或未知问题。您可以通过 Github Issues [3] 查看已知问题列表及其解决状态。
当前的 API 与配置选项处于实验阶段，后续版本可能发生不向后兼容的变更。因此，我们不建议在对稳定性要求较高的生产环境中使用该版本。
我们非常感谢您提供的任何反馈，无论是分享您如何使用我们的产品、提出新功能建议、帮助我们发现和修复问题，还是任何其他想法。您的见解对我们而言弥足珍贵。
您可以通过以下方式联系我们：
加入 Apache Flink Slack [4]，在 #flink-agents-user [5] 频道寻求帮助。
在 Github Issues [3] 提交功能需求和缺陷报告。
在 Github Discussions [6] 分享您的使用案例和想法。
贡献者列表
Apache Flink 社区感谢对此版本作出贡献的每一位贡献者：
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
往/期/回/顾
点击下方图片，跳转文章：
阿里云、Ververica、Confluent、Linkedin携手推进流式创新，共筑智能体AI未来
点击「阅读原文」下载 Flink Agents 0.1.0～