Erupt 1.14.3 版本更新:A2A 协作、跨会话记忆等功能,为企业级 AI 后台提供标准

一、Java 圈的“卷王”再掀更新浪潮

上周刚谈及 [Erupt](https://github.com/erupts/erupt) 将 Claude 融入 Spring Boot 后台的独特操作,仅过一周,其 1.14.3 版本便携诸多“惊艳”新特性发布。查看更新日志,着实令人眼前一亮。此次更新,堪称 2026 上半年国产开源框架中最值得关注的一次发布。

版本: 1.14.3 (2026 - 05 - 19)

Spring Boot: 3.5.13

一句话总结:让企业级 AI Agent 真正具备投入生产的条件。

接下来,让我们逐一探究此次更新的亮点。

二、最震撼的更新:A2A 多智能体协作

若近期关注 AI Agent 领域,想必对 A2A(Agent - to - Agent)协议有所耳闻,这是 AI 智能体间实现通信、分工与协作的全新协议。尽管 OpenAI、Google、Anthropic 等都在该领域发力,但能在企业级 Java 后台实现开源应用的,目前极为罕见。而 Erupt 1.14.3 做到了。

它究竟意味着什么?

以一个实际场景为例:公司客服后台运行着三个 AI 智能体,分别是负责与客户对话的 客服 Agent 、专门处理订单查询、退款、改单的 订单 Agent 以及负责判断退款是否存在薅羊毛行为的 风控 Agent 。以往,需编写大量 if - else 编排逻辑,告知客服 Agent 遇到退款情况时,先询问订单 Agent ,再由风控 Agent 进行审核。而如今,在 Erupt 1.14.3 中,三个 Agent 可直接对话、相互调用、自主分工。客服 Agent 会自行向订单 Agent 获取数据,向风控 Agent 获取审批结论,最终为客户提供完整答复。人类只需明确每个 Agent 的“职责说明书”,其余协作工作交由 AI 自行完成。在 2026 年,这无疑是开启企业级 Agentic Workflow 的关键。

文档:[多 Agent 协作(A2A)](https://docs.erupt.xyz/modules/erupt - ai#%E5%A4%9A - agent - %E5%8D%8F%E4%BD%9C - a2a)

三、第二大亮点:erupt - terminal 让浏览器秒变 SSH 客户端

新增模块 [erupt - terminal](https://docs.erupt.xyz/modules/erupt - terminal) ,意味着无需 Xshell、iTerm、SecureCRT 等工具,直接在管理后台页面即可操作服务器终端。只需打开浏览器,登录后台,进入 terminal 模块,便可执行服务器命令。

该模块的刚需人群有哪些?

运维人员:临时排查问题时,无需在本地安装 SSH 客户端。

小型团队:可通过权限系统精确管控“谁能登录哪台机器”。

远程办公人员:在 iPad、手机浏览器上也能应急处理问题。

培训/演示人员:若客户电脑未安装 SSH 工具,通过浏览器即可进行演示。

此外,该模块结合 Erupt 的 UPMS 权限体系,可对哪个角色能进入 terminal 以及能执行哪些命令进行精细化控制,真正实现一站式后台管理。

四、第三大惊喜:erupt - ai - claw 具备生产部署条件

上周文章曾提及, Erupt AI Claw 权限过大,官方明确表示“勿在生产环境开启”。此次更新,官方解决了这一问题。

1. 角色级 AI 工具权限管控

每个角色可单独配置:

可调用的 AI 工具(Toolbox)。

可查看的系统提示词。

是否能执行 Shell。

这意味着研发岗可为 AI 开启 Shell 权限,财务岗仅能让 AI 查询数据,老板岗则拥有专属的“高管 Agent”。权限和提示词按角色隔离,有效避免“实习生让 AI 删除生产库”等风险。

2. `enableExecShell` 配置项

erupt:

ai - claw:

enable - exec - shell: false # 一键关闭 Shell 执行

通过该配置项,可灵活开关 [Shell 执行能力](https://docs.erupt.xyz/modules/erupt - ai - claw#%E4%BD%BF%E7%94%A8%E6%96%B9%E6%B3%95)。这两项改进,使 Erupt AI Claw 首次具备投入生产的条件。

五、第四大突破:AI 拥有“长期记忆”

erupt - ai 新增 跨会话记忆(Memory) 功能。以往与 AI 交流时,告知其“喜欢用 Markdown 格式,回答简洁,避免冗长”,下次重新开启对话,AI 便会遗忘这些要求。而在 1.14.3 版本之后,AI 会自动保存用户的关键偏好、上下文及决策记录。再次进入会话时,AI 仍能“识别”用户。配合 A2A 功能,多个 Agent 还可共享部分记忆,例如客服 Agent 知晓某客户为 VIP 时,订单 Agent 也能同步获取该信息。

六、第五大看点:Thinking Mode 思考过程可视化

DeepSeek R 系列、Claude 3.7 Sonnet、Kimi K2.5 等“思考模型”的显著特点是会先进行思考再给出答案。1.14.3 版本直接在对话界面展示 AI 的思考过程,例如“嗯,用户询问订单查询……需先确定时间范围……再考虑金额条件……OK,调用 lambdaQuery……”。这对于调试 Agent、向老板演示以及培训新人而言,具有极大的帮助。

七、低代码侧同步升级

不仅 AI 部分表现出色,传统低代码能力也实现了升级。

`DataProxy.extraContent` 自定义 HTML 注入

@Override

public String extraContent() {

return "

⚠️ 本月数据有调整,请注意
";}

支持向表格或任意视图顶部注入自定义 HTML,可用于发布公告、提醒、统计卡片等。

链接:[extraContent 自定义内容注入](https://docs.erupt.xyz/advanced/data - proxy#extracontent - %E8%87%AA%E5%AE%9A%E4%B9%89%E5%86%85%E5%AE%B9%E6%B3%A8%E5%85%A5)

erupt - cube 多维 BI 大幅升级

[erupt - cube](https://docs.erupt.xyz/modules/pro/erupt - cube) 此次实现了“小型 BI 工具”的能力跃升:

支持 子模型 ,可对复杂业务模型进行分层拆解。

具备 高级分组筛选 功能,实现多维度交叉过滤。

支持 相对日期过滤 ,可一键切换“最近 7 天”“本月”“上季度”等时间范围。

新增 富文本报表 ,报表中可嵌入图文混排内容。

新增 树图、热力图 ,丰富数据可视化形式。

KPI 及图表支持时间对比分析 ,可一键实现同比环比分析。

Tableau、FineBI 能完成的任务,Erupt 在管理后台中轻松实现。

MAP 地图组件 + Geocoding

地图组件此次支持 点选取坐标 + 地理编码 功能,输入“北京市朝阳区望京 SOHO”可直接获取经纬度,反之,在地图上选取点可直接获取地址。对于物流、外卖、O2O、政企地理数据采集等业务,可直接节省一个第三方 API 调用。

八、其他“小而美”的更新

水印功能优化,感谢社区开发者 [chenxiaolong8023](https://github.com/chenxiaolong8023) 的贡献。

修复 `@OnChange` 注解不支持 `ReferenceTree` 和 `ReferenceTable` 的问题。

国产开源项目令人欣慰之处在于社区贡献日益增多,这也是项目健康发展的有力证明。

九、升级指南

老项目升级,仅需修改一行版本号:

xyz.erupt

erupt - admin

1.14.3

新项目可从官方脚手架开始:

# 访问 start.erupt.xyz 一键生成

# 或者 clone 仓库

git clone https://github.com/erupts/erupt.git

cd erupt/erupt - sample

mvn spring - boot:run

H2 内存数据库内置,零配置,账号 `erupt` ,密码 `erupt`。

十、结语

与一些 Java 朋友交流时,谈及为何愿意持续推荐 Erupt,答案是:这是一个“在 AI 时代专注于基础设施建设”的国产开源项目。它未追逐 LangChain 等热点,也未像部分创业框架那样昙花一现,而是脚踏实地地将 Spring Boot + 低代码 + AI Agent 三者紧密融合。A2A 多智能体协作、跨会话记忆、角色级 AI 权限、浏览器 terminal、Thinking Mode 可视化等更新,无疑为 2026 年企业级 AI 后台树立了标准。

若认可这种“踏实做事”的开源精神,可前往 GitHub 为 Erupt 点赞:

GitHub:https://github.com/erupts/erupt

官方文档:https://docs.erupt.xyz

在线 Demo:https://demo.erupt.xyz

官网:https://www.erupt.xyz

脚手架:https://start.erupt.xyz

转发给还在自行编写“Agent 编排框架”的朋友,或许他会请你喝一杯。

内容概要:本文介绍了一种用于电磁暂态(EMT)研究的第四类全变流器型风力发电系统的通用Simulink仿真模型,旨在构建一个能够准确反映实际风电系统动态特性的简化通用模型。该模型涵盖了风力机、传动链、发电机、全功率变流器及其控制策略等关键组成部分,重点突出系统在电网故障、风速波动等复杂工况下的动态响应能力,适用于风电并网电磁暂态分析、新型电力系统稳定性评估及高比例可再生能源接入场景的研究。模型设计兼顾准确性与仿真效率,便于研究人员快速搭建和调试,推动风电系统建模与控制技术的发展; 适合人群:具备一定电力系统理论基础和MATLAB/Simulink仿真能力,从事新能源发电、电力电子变换、风电并网控制及相关方向的研究生、科研人员及工程技术人员; 使用场景及目标:①开展风电系统在电网扰动下的电磁暂态仿真分析;②研究全功率变流器风电机组的动态行为与控制特性;③支撑新型电力系统中高渗透率风电接入的稳定性与电能质量评估,服务于学术研究、课程教学与工程项目前期仿真验证; 阅读建议:建议读者结合文中提供的模型结构与参数设置,在Simulink环境中动手复现并调试仿真模型,通过设置不同运行工况(如三相短路、低电压穿越、风速突变等)观察系统响应,深入理解全变流器风电机组的建模方法、控制逻辑与动态特性,进而拓展应用于更复杂的多机并网或综合能源系统仿真场景。
内容概要:本文探讨了Hash算法在芯片行业,特别是网络处理器(NPU)中的性能优化实践,聚焦于如何通过硬件流水线设计实现纳秒级高速哈希查找。文章分析了传统软件哈希方案在高带宽场景下的局限性,提出基于硬件描述语言或高层次综合(HLS)的设计方法,采用CRC32等硬件友好型哈希函数、并行多路哈希、流水线化解耦以及双端口存储结构等核心技术,实现低延迟、无阻塞的数据包处理。通过C++风格的HLS代码示例,展示了从算法选择到资源优化的完整硬件加速逻辑,并深入剖析了循环展开、位宽控制、内存映射和流水线调度等关键实现细节。最后展望了可编程交换机、P4语言支持及TCAM与哈希混合架构等未来发展方向。; 适合人群:具备数字电路基础、熟悉Verilog/SystemVerilog或HLS的芯片设计工程师,以及从事网络芯片、FPGA加速、高性能路由设备研发的技术人员(工作年限1-5年为宜);也适合对硬件加速算法感兴趣的研究人员。; 使用场景及目标:①掌握如何将哈希算法高效映射到硬件逻辑中以满足线速转发需求;②理解流水线设计、资源约束优化、读写冲突规避等在实际芯片项目中的应用;③为开发高性能网络处理器中的流表/路由表查找单元提供技术参考与实现范例。; 阅读建议:学习时应结合HLS工具(如Xilinx Vitis HLS)进行代码仿真与综合,重点关注#pragma指令对硬件结构的影响,并对比不同哈希算法在资源占用与时序表现上的差异,深入理解“空间换时间”的硬件优化本质。
内容概要:本文系统研究了基于粒子群优化(PSO)、灰狼优化(GWO)、鲸鱼优化(WOA)、哈里斯鹰优化(HHO)、蜣螂优化(DBO)和麻雀搜索算法(SSA)六种智能优化算法在无人机三维路径规划中的应用,并在Matlab平台上实现了相应的仿真代码。研究构建了复杂的三维地形与障碍物环境模型,设计了包含路径长度、飞行时间、能耗及安全性等多维度的成本函数,通过定义合理的适应度函数与飞行约束条件,对各类算法的路径搜索能力、收敛速度与规划质量进行了全面对比分析。通过仿真实验验证了各算法在静态复杂环境下的性能表现,旨在为实际无人机任务中优化算法的选择提供科学依据和技术支持。; 适合人群:具备一定Matlab编程基础,从事智能优化算法、无人机路径规划、自动化控制及相关领域研究的研究生、科研人员或工程技术人员。; 使用场景及目标:① 掌握主流群智能优化算法在无人机三维路径规划中的建模与实现方法;② 对比分析不同算法在相同复杂环境下的性能差异,为算法选型提供量化依据;③ 为后续研究动态环境路径规划、多无人机协同任务分配等问题奠定理论与技术基础; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现流程,重点关注适应度函数的设计、障碍物规避策略的实现以及多目标成本函数的权衡机制,同时可通过调整参数设置或引入新型优化算法进行扩展实验,以深化对算法性能的理解与实际应用能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值