Spring AI Alibaba 1.0 GA 正式發布，它是專屬 Spring 開發者的 AI 框架，兼具提示詞模版、函數調用、格式化輸出等低層次抽象與 RAG、Agent、對話記憶等高層次抽象，通義系列模型驅動，深度集成網關、配置中心、可觀測等云原生基礎設施生態，讓 Java 智能體開發迎來一款生產可用的企業級框架與解決方案，助力企業智能體開發進入一個新階段。

Github 地址：??https://github.com/alibaba/spring-ai-alibaba??

官網地址：??https://java2ai.com/??

1、Spring AI Alibaba 1.0 GA 核心能力

在 1.0 版本中，Spring AI Alibaba 提供以下核心能力，讓開發者可以快速構建自己的 Agent、Workflow 或 Multi-agent 應用：

第一、Graph 多智能體框架

基于 Spring AI Alibaba Graph，開發者可以快速構建工作流和多智能體應用，無需關注底層的流程編排和上下文記憶管理。通過將 Graph 與低代碼、自規劃智能體相結合，為開發者提供了從低代碼、高代碼到零代碼構建智能體的靈活選擇。

Spring AI Alibaba Graph 核心能力：

?? 支持 Multi-agent，內置 ReAct Agent、Supervisor 等常規智能體模式

?? 支持工作流，內置工作流節點，與主流低代碼平臺對齊

?? 原生支持 Streaming

?? Human-in-the-loop，通過人類確認節點，支持修改狀態、恢復執行

?? 支持記憶與持久存儲

?? 支持流程快照

?? 支持嵌套分支、并行分支

?? PlantUML、Mermaid 可視化導出

第二、通過 AI 生態集成，解決企業智能體落地過程中關心的痛點問題

通過 AI 生態集成，解決了企業在智能體落地過程中所關心的痛點問題。Spring AI Alibaba 支持與百煉平臺深度集成，提供模型接入和 RAG 知識庫解決方案；支持 ARMS、Langfuse 等可觀測產品的無縫接入；支持企業級的 MCP 集成，包括 Nacos MCP Registry 分布式注冊與發現、自動 Router 路由等。

Spring AI Alibaba MCP 通過集成 Nacos MCP Registry，支持 MCP Server 分布式部署與負載均衡調用。對于存量 Spring Cloud、Dubbo 等應用，支持零代碼改造實現 API 到 MCP 服務發布，開發者可通過 Spring AI Alibaba MCP 開發自己的 MCP Server 服務代理，即可支持 Nacos 中心 MCP 元數據的自動加載。

第三、探索具備自主規劃能力的通用智能體產品與平臺

社區發布了基于 Spring AI Alibaba 框架實現的 JManus 智能體。除了具備與 Manus 相當的通用智能體能力外，我們的目標是通過 JManus 探索自主規劃在智能體開發中的應用，為開發者提供從低代碼、高代碼到零代碼構建智能體的靈活選擇。

Spring AI 在多個關鍵節點都做了 SDK 默認埋點，用來記錄運行過程中的 metrics 與 tracing 信息，這包括模型調用、向量檢索、工具調用等關鍵環節的調用情況。Spring AI tracing 信息兼容 OpenTelemetry，因此理論上可接入市面上主流的開源平臺如 Langfuse，或者阿里云 ARMS。

2、從聊天機器人、工作流到多智能體

第一、聊天機器人（ChatBot）

開發 AI 應用并非僅僅是調用無狀態大模型的 API。由于大模型的預訓練特性，AI 應用還需要具備領域數據檢索（RAG）、會話記憶（Memory）和工具調用（Tool）等集成能力。這些集成能力統稱為“模型增強模式”（The Augmented LLM），它允許開發者將自己的數據和外部 API 直接融入模型的推理過程中。

在 Spring AI 中，ChatClient 是最核心的組件。開發者可以使用 ChatClient 來開發自己的聊天機器人或智能體應用。ChatClient 支持模型增強模式，能夠為模型調用掛載檢索（Retrieval）、工具（Tools）和記憶（Memory）等外部數據和服務。例如：

我們將通過 ChatClient 開發的 AI 應用稱為“單智能體應用”，這可能是最理想的開發模式。它足夠簡單直接，即將所有工具和上下文信息提供給模型，由模型持續決策并迭代，直到最終完成任務解答。然而，現實情況遠比這復雜。目前，模型的能力尚未達到我們的期望。當上下文信息或工具過多時，整體效果往往會變差，甚至可能嚴重偏離預期。

因此，我們考慮將復雜問題拆解為更簡單的部分。目前有兩種常用的模式：工作流和多智能體模式。

第二、工作流（Workflow）

工作流是一種通過相對固定模式人為拆解任務的方法，將一個復雜的大任務分解為多個分支的固定流程。其核心優勢在于流程的確定性較強，模型在其中主要承擔分類決策的角色，因此特別適合用于意圖識別等具有明確類別屬性的應用場景。然而，工作流也有明顯的局限性。它要求開發人員對業務流程有深入的理解，并且整個流程的設計依賴于人工繪制。模型在工作流中主要負責內容生成、總結或分類識別，無法充分發揮其推理能力，因此常被批評為不夠智能。

通過使用 Spring AI Alibaba Graph，開發者可以輕松地開發工作流，聲明不同的節點，并將這些節點串聯成一個流程圖。

Spring AI Alibaba Graph 提供了大量預置節點，這些節點與市面上主流的低代碼平臺（如 Dify、百煉等）的功能相對應。典型節點包括 LlmNode（大模型節點）、QuestionClassifierNode（問題分類節點）、ToolNode（工具節點）等。這些預置節點免去了開發者重復開發和定義的負擔，使他們能夠專注于流程的串聯。

以下是一個可視化繪制的“用戶評價分類系統”工作流，以及對應的 Spring AI Alibaba Graph 代碼示例：

StateGraph stateGraph = new StateGraph("Consumer Service Workflow Demo", stateFactory)
			.addNode("feedback_classifier", node_async(feedbackClassifier))
			.addNode("specific_question_classifier", node_async(specificQuestionClassifier))
			.addNode("recorder", node_async(new RecordingNode()))
			.addEdge(START, "feedback_classifier")
			.addConditionalEdges("feedback_classifier",edge_async(new CustomerServiceController.FeedbackQuestionDispatcher()),Map.of("positive", "recorder", "negative", "specific_question_classifier"))
			.addConditionalEdges("specific_question_classifier",edge_async(new CustomerServiceController.SpecificQuestionDispatcher()),Map.of("after-sale", "recorder", "transportation", "recorder", "quality", "recorder", "others","recorder"))
			.addEdge("recorder", END);

通過這種方式，開發者可以高效地構建復雜的工作流，同時利用預置節點的強大功能，實現高效的任務拆解和流程管理。

第三、多智能體（Multi-Agent）

除了工作流，多智能體是解決復雜任務拆解的另一種有效方式。與工作流相比，多智能體雖然也需要遵循一定的流程，但在整個決策和執行過程中，它們展現出更高的自主性和靈活性。多個子智能體通過相互協作和通信來完成任務，最終實現任務的解答。

Spring AI Alibaba Graph 提供了強大的框架支持，可用于開發多種多智能體模式。目前，官方社區已經發布了幾款基于 Spring AI Alibaba Graph 開發的智能體產品，包括：

• JManus：一款通用智能體，具備廣泛的應用能力。
• DeepResearch：專注于深度研究任務的智能體。
• AgentScope：提供更廣泛的智能體功能，適用于多種復雜場景。

這些智能體產品不僅展示了多智能體的強大能力，還為開發者提供了豐富的應用場景和實踐參考。

3、快速開發第一個 Spring AI Alibaba 應用

在 Spring Boot 工程中添加以下依賴，就可以開始您的 AI 智能體開發之旅了。

<dependencyManagement>
<dependencies>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-bom</artifactId>
<version>1.0.0.2</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<dependencies>
  <dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
  </dependency>
</dependencies>

您也可以參考我們發布在官網的快速開始了解如何開發 Chatbot、智能體或工作流等應用。總的來說，根據不同場景，您可以選擇使用 ??ChatClient??? 或 ??Spring AI Alibaba Graph?? 兩個核心組件來開發 AI應用。

本文轉載自??玄姐聊AGI???  作者：玄姐