完成快速开始后，可以通过 LiteFlow Agent 示例项目体验一个完整的 Agent 应用。从浏览器发起问题，到模型选择 Skill、执行工具、返回答案，再到保存聊天记录和工作区文件，项目提供了可直接运行的前后端代码。

GitHub 地址：bryan31/liteflow-agent-example (opens new window)。项目使用 LiteFlow 2.16.2、JDK 17 和 Spring Boot 4，各模块均可独立构建和运行。

除了 Web 聊天应用，项目还提供 liteflow-agent-jev 决策演示（客服分流、是非判断与自由决策），用于交互测试自然语言选择与是非判断组件，查看置信度、概率与处理时间，详见下方“Jev 客服分流示例”。

运行效果

下面是 liteflow-agent-web-container-mysql 的实际运行截图。在聊天框中输入“上周哪个板块表现比较好”，等待 Agent 完成查询和回答后，点击右上角的“容器”状态入口并将鼠标停留在这里，即可查看当前会话的沙箱状态。

通过侧栏可以切换历史会话、查看可用技能；聊天区域展示用户问题、执行过程和最终回答；右上角的状态弹窗展示容器 ID、名称、镜像、任务和活动时间。截图中的行情内容仅用于展示这次问答的运行效果，具体结果会随查询时间和数据源变化。

这个项目展示了什么

• 流式对话与执行过程。 页面实时接收回答和工具调用事件，可以展开查看执行过程、工具输入与输出。
• Skills 驱动任务。 项目内置 byted-stock-monitor 技能，Agent 可以读取技能说明并调用脚本查询行情。替换或增加 Skill 后，可以用于其他业务场景。
• 会话与工作区持久化。 保存聊天历史、Agent 上下文、工作区文件和附件，支持刷新页面、重启应用后继续使用。
• Docker 沙箱。 container 模块将命令和文件操作放在容器中执行，页面提供容器状态查看入口。
• 文件交付。 用户要求生成文件时，Agent 可以调用 deliver_artifact，在回答中提供附件下载入口。
• LiteFlow 编排。 Agent 是流程中的一个组件，可以与普通 Java 组件一起完成业务处理。
• Jev 智能选择。 独立客服示例通过 JevSwitchComponent 选择服务组件，展示 SWITCH 路由、置信度阈值与人工兜底。

示例的核心流程定义在 agent/flow.el.xml 中：

<chain name="skillStreamChain">
    THEN(prepare, skillStreamAgent, recordReply);
</chain>

其中，prepare 读取并打印请求，skillStreamAgent 继承 HarnessAgentComponent，负责模型调用、技能使用和工具执行，recordReply 读取回答并写入流程输出。你可以从这条链开始，把前后两个普通组件替换成自己的参数准备、结果入库或业务通知逻辑。

选择一个组合

模块	命令运行位置	存储	端口
liteflow-agent-web-local-json	本机	JSON	8905
liteflow-agent-web-local-redis	本机	Redis	8904
liteflow-agent-web-local-mysql	本机	MySQL	8903
liteflow-agent-web-container-json	Docker 沙箱	JSON	8902
liteflow-agent-web-container-redis	Docker 沙箱	Redis	8901
liteflow-agent-web-container-mysql	Docker 沙箱	MySQL	8900
liteflow-agent-jev	不使用命令工具	无需持久化存储	8906

六个 web-* 示例覆盖流式对话、聊天历史、Skills、工作区文件和附件下载。container 表示 Agent 命令使用 Docker 沙箱；JSON／Redis／MySQL 则表示数据如何保存，两者独立选择。Jev 示例独立演示语义分流，不需要配置会话存储或 Docker。

获取项目与配置模型

先准备 JDK 17 和 Maven，再获取示例代码：

git clone https://github.com/bryan31/liteflow-agent-example.git
cd liteflow-agent-example

Web 聊天示例默认使用 DeepSeek，可通过环境变量配置模型凭证；Jev 示例使用下文的独立 JEV_API_KEY：

export DEEPSEEK_API_KEY='填写你的 DeepSeek API Key'

也可以在所选模块的 src/main/resources/application-local.yml 中配置模型，具体格式见对应模块的 README。该文件已被项目的 .gitignore 排除。

最少依赖的本地 JSON 示例

在示例仓库根目录执行：

mvn -pl liteflow-agent-web-local-json spring-boot:run

启动后访问 http://localhost:8905 (opens new window)。无需数据库或 Docker。示例已开启本地命令执行并配置工作目录；需要运行技能脚本时，确认应用环境中有对应解释器和依赖。

可以提问：“生成一份示例销售数据 CSV，包含商品、数量和金额，并交付文件。”模型调用 deliver_artifact 后，页面会展示下载入口。刷新页面、重启应用后，可以验证聊天历史与附件是否保留。

运行截图中的 MySQL 容器示例

这个组合需要 Docker、MySQL 和 liteflow-agent-sandbox:node22 沙箱镜像。先在 LiteFlow 源码仓库 (opens new window)根目录构建镜像：

./liteflow-agent/docker/sandbox/build.sh

完成前面的模型配置后，在示例仓库根目录启动 MySQL 和应用：

docker compose -f liteflow-agent-web-container-mysql/docker-compose.yml up -d --wait
mvn -pl liteflow-agent-web-container-mysql spring-boot:run

访问 http://localhost:8900 (opens new window)，新建会话并输入“上周哪个板块表现比较好”。等待回答完成后，点击右上角的“容器”入口，便可查看状态弹窗。展开回答上方的执行过程，还能查看这次查询使用了哪些工具。

MySQL 连接配置位于该模块的 src/main/resources/application.yml，默认与 Docker Compose 一致。如果连接已有 MySQL，调整连接配置即可。

该示例使用 SESSION_IDLE 生命周期，同一会话连续对话会复用容器，空闲 10 分钟后回收。聊天记录和工作区快照保存在 MySQL 中，容器回收后可在后续调用中恢复工作区文件。镜像、快照与容器复用的详细说明见 Docker 沙箱。

完整配置与 API 说明见 MySQL 容器模块 README (opens new window)。

Jev 客服分流示例

liteflow-agent-jev (opens new window) 展示如何使用 liteflow-agent-jev 模块理解客户诉求，再由 LiteFlow 执行对应组件。Jev 的模型定位与优势见 Jev 模型与模块介绍，完整运行步骤和离线测试见客服演示与测试。

页面左侧可以输入客户问题，或选择 14 条前端预设消息；右侧展示实际执行分支、原始置信度、各选项概率、执行路径和组件回复。支持退款、换货、物流、发票、投诉、咨询 6 类服务，无法匹配或置信度不足时进入人工协助。翻页还可切换到“是非判断”页：输入判断标准与判断内容，由 Jev 布尔判断组件驱动 IF 分支，展示“是”的概率、阈值与执行路径。

截图中，模型置信度 85% 与换货选项概率 87% 来自不同字段；当前阈值 60% 比较的是置信度。处理时间 328 ms 包含 Jev 网络调用和 LiteFlow 流程执行，端到端耗时 339 ms 还包含浏览器与示例服务之间的请求开销。截图是一条请求的运行结果，不代表准确率或延迟保证。

在示例仓库根目录执行：

export JEV_API_KEY='填写你的 TypeSafe API Key'
mvn -pl liteflow-agent-jev -am clean package -DskipTests
mvn -pl liteflow-agent-jev spring-boot:run

打开 http://localhost:8906/ (opens new window)，选择预设问题后点击“开始分流”。也可以输入带否定、意图变化或多个诉求的消息，观察候选概率与最终分支。

默认 provider=typesafe，基础地址为 https://api.typesafe.ai/v1，模型为 jev-1.13.0。通过 OpenRouter 调用时，将 JEV_API_KEY 设为 OpenRouter 的凭据，并使用：

mvn -pl liteflow-agent-jev spring-boot:run -Dspring-boot.run.arguments=--liteflow.agent.jev.provider=openrouter

此时默认基础地址为 https://openrouter.ai/api/alpha，模型为 typesafe/jev-1.13，请求 /decisions。通过 liteflow.agent.jev.base-url、model、timeout 和 min-confidence 配置覆盖连接与分流参数；已显式填写的地址与模型需随 provider 一并检查，完整配置见 Jev 依赖与配置。该示例不需要 DeepSeek Key、数据库或 Docker，也不会执行实际退款或创建外部工单。

流程使用现有选择语法：

<chain name="support">
    SWITCH(supportRouter).to(refund, exchange, logistics, invoice, complaint, consult).DEFAULT(manual);
</chain>

选项及判断说明直接定义在 SupportRouter.choices() 中；例子、展示名称和缩写维护在前端 scenarios.mjs。后端 /api/support/options 只返回选项和运行参数，模型凭据留在服务端。

这个模块用于交互演示和真实接口测试。框架自动化测试则统一放在 LiteFlow 源码仓库的 liteflow-testcase-el/liteflow-testcase-el-agent-jev 中，覆盖 HTTP 协议、路由、降级、异常和超时，不需要真实 API Key。

依赖尚未在 Maven 仓库中可用时

先在 LiteFlow 源码仓库安装对应模块：

mvn install -pl liteflow-agent/liteflow-agent-core,liteflow-agent/liteflow-agent-openai,liteflow-agent/liteflow-agent-jev,liteflow-agent/liteflow-agent-mysql,liteflow-agent/liteflow-agent-redis,liteflow-spring-boot4-starter -am -DskipTests

再回到示例仓库运行 mvn clean package。已有同版本旧 JAR 时，也需要重新安装本次源码构建的依赖。

从示例接入自己的业务

客服分流场景可从 SupportRouter 开始，调整候选 ID 与判断边界，并把对应服务组件替换为真实业务逻辑。预设问题在前端独立维护，无需为修改例子调整后端 Java 代码。

建议先保留现有聊天界面，替换 SkillStreamAgentCmp 中的模型、系统提示词和业务技能，再按需要调整 skillStreamChain。会话、工作区和存储配置可参考会话存储、工作区与 Skills 技能系统。

示例中的下载接口和附件存储适配代码可作为接入参考；单独引入 Agent 模块不会自动生成 Web 聊天界面或附件下载 API。当前 Web 示例使用配置中的默认用户，接入多用户业务时，应由服务端登录身份确定用户和会话归属。