Java AI框架：Spring AI 与 AgentScope 实战指南

本指南涵盖Java生态中最主流的两个AI框架：Spring AI用于企业级AI应用开发，AgentScope用于构建多智能体系统。

第一部分：Spring AI

Spring AI是Spring生态中用于构建AI应用的官方框架，为Java开发者提供原生的LLM集成。

快速开始

Maven配置

xml

1<dependency>
2    <groupId>org.springframework.ai</groupId>
3    <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
4    <version>1.0.0-M1</version>
5</dependency>

基础配置

yaml

1spring:
2  ai:
3    openai:
4      api-key: ${OPENAI_API_KEY}
5      chat:
6        options:
7          model: gpt-4
8          temperature: 0.7

核心功能

1. ChatClient - 对话接口

java

1@RestController
2public class ChatController {
3    
4    private final ChatClient chatClient;
5    
6    public ChatController(ChatClient.Builder builder) {
7        this.chatClient = builder.build();
8    }
9    
10    @GetMapping("/chat")
11    public String chat(@RequestParam String message) {
12        return chatClient.prompt()
13            .user(message)
14            .call()
15            .content();
16    }
17}

2. Streaming响应

java

1@GetMapping(value = "/stream", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
2public Flux<String> stream(@RequestParam String message) {
3    return chatClient.prompt()
4        .user(message)
5        .stream()
6        .content();
7}

3. RAG实现

java

1@Service
2public class RAGService {
3    
4    private final VectorStore vectorStore;
5    private final ChatClient chatClient;
6    
7    public String query(String question) {
8        // 检索文档
9        List<Document> docs = vectorStore.similaritySearch(
10            SearchRequest.query(question).withTopK(5)
11        );
12        
13        // 构建上下文
14        String context = docs.stream()
15            .map(Document::getContent)
16            .collect(Collectors.joining("\n\n"));
17        
18        // 生成答案
19        return chatClient.prompt()
20            .user(\"基于上下文: {context}\n问题: {question}\")
21            .param("context", context)
22            .param("question", question)
23            .call()
24            .content();
25    }
26}

4. Function Calling

java

1@Configuration
2public class FunctionConfig {
3    
4    @Bean
5    @Description("获取天气信息")
6    public Function<WeatherRequest, WeatherResponse> weatherFunction() {
7        return request -> {
8            // 调用天气API
9            return new WeatherResponse(request.city(), "晴天", 25);
10        };
11    }
12}
13
14record WeatherRequest(String city) {}
15record WeatherResponse(String city, String condition, int temp) {}

实战项目：企业知识库

java

1@Service
2public class KnowledgeBaseService {
3    
4    private final VectorStore vectorStore;
5    private final ChatClient chatClient;
6    
7    @PostConstruct
8    public void loadDocuments() {
9        // 加载文档
10        Resource[] resources = resourceLoader.getResources("classpath:docs/**/*.md");
11        
12        for (Resource resource : resources) {
13            List<Document> docs = new TextReader(resource).get();
14            vectorStore.add(docs);
15        }
16    }
17    
18    public KnowledgeResponse query(String question) {
19        List<Document> docs = vectorStore.similaritySearch(
20            SearchRequest.query(question).withTopK(3)
21        );
22        
23        if (docs.isEmpty()) {
24            return new KnowledgeResponse("未找到相关信息", List.of());
25        }
26        
27        String context = docs.stream()
28            .map(Document::getContent)
29            .collect(Collectors.joining("\n\n"));
30            
31        String answer = chatClient.prompt()
32            .user(\"基于知识库回答: {context}\n问题: {question}\")
33            .param("context", context)
34            .param("question", question)
35            .call()
36            .content();
37        
38        return new KnowledgeResponse(answer, extractSources(docs));
39    }
40}

第二部分：AgentScope

AgentScope是阿里达摩院开源的多智能体框架，专注于构建复杂的智能体协作系统。

核心概念

Agent（智能体）：独立的AI实体
Message（消息）：智能体间的通信单元
Pipeline（流水线）：智能体的执行流程
Service（服务）：智能体可调用的工具

快速开始

Maven依赖

xml

1<dependency>
2    <groupId>com.alibaba</groupId>
3    <artifactId>agentscope-core</artifactId>
4    <version>0.5.0</version>
5</dependency>

基础Agent

java

1public class SimpleAgent extends AgentBase {
2    
3    private final ChatClient llm;
4    
5    public SimpleAgent(String name, ChatClient llm) {
6        super(name);
7        this.llm = llm;
8    }
9    
10    @Override
11    public Message reply(Message input) {
12        String response = llm.prompt()
13            .user(input.getContent())
14            .call()
15            .content();
16            
17        return new Message(getName(), response);
18    }
19}

多Agent协作

对话Agent系统

java

1public class MultiAgentSystem {
2    
3    public void runConversation() {
4        // 创建智能体
5        Agent researcher = new ResearchAgent("研究员", llm);
6        Agent coder = new CoderAgent("程序员", llm);
7        Agent reviewer = new ReviewAgent("审查员", llm);
8        
9        // 执行对话流程
10        Message task = new Message("user", "开发一个快速排序算法");
11        
12        Message research = researcher.reply(task);
13        Message code = coder.reply(research);
14        Message review = reviewer.reply(code);
15        
16        System.out.println("最终结果: " + review.getContent());
17    }
18}
19
20class ResearchAgent extends AgentBase {
21    public Message reply(Message input) {
22        String result = llm.prompt()
23            .user("作为研究员，分析需求: " + input.getContent())
24            .call()
25            .content();
26        return new Message(getName(), result);
27    }
28}
29
30class CoderAgent extends AgentBase {
31    public Message reply(Message input) {
32        String code = llm.prompt()
33            .user("基于分析编写代码: " + input.getContent())
34            .call()
35            .content();
36        return new Message(getName(), code);
37    }
38}

Pipeline模式

java

1public class AgentPipeline {
2    
3    public Message execute(Message input, List<Agent> agents) {
4        Message current = input;
5        
6        for (Agent agent : agents) {
7            current = agent.reply(current);
8            System.out.println(agent.getName() + ": " + current.getContent());
9        }
10        
11        return current;
12    }
13}
14
15// 使用
16AgentPipeline pipeline = new AgentPipeline();
17Message result = pipeline.execute(
18    new Message("user", "任务描述"),
19    List.of(researchAgent, coderAgent, reviewAgent)
20);

实战项目：智能代码审查系统

java

1@Service
2public class CodeReviewSystem {
3    
4    private final ChatClient llm;
5    
6    public CodeReviewResult review(String code, String language) {
7        // Agent 1: 语法检查
8        Agent syntaxChecker = new Agent("语法检查器", llm) {
9            public Message reply(Message input) {
10                return new Message(getName(), 
11                    llm.prompt()
12                        .user("检查代码语法: " + input.getContent())
13                        .call()
14                        .content()
15                );
16            }
17        };
18        
19        // Agent 2: 安全审查
20        Agent securityAuditor = new Agent("安全审查", llm) {
21            public Message reply(Message input) {
22                return new Message(getName(),
23                    llm.prompt()
24                        .user("审查安全问题: " + input.getContent())
25                        .call()
26                        .content()
27                );
28            }
29        };
30        
31        // Agent 3: 性能分析
32        Agent performanceAnalyzer = new Agent("性能分析", llm) {
33            public Message reply(Message input) {
34                return new Message(getName(),
35                    llm.prompt()
36                        .user("分析性能: " + input.getContent())
37                        .call()
38                        .content()
39                );
40            }
41        };
42        
43        // Agent 4: 综合评估
44        Agent reviewer = new Agent("综合评估", llm) {
45            public Message reply(Message input) {
46                return new Message(getName(),
47                    llm.prompt()
48                        .user("综合以上评审给出建议: " + input.getContent())
49                        .call()
50                        .content()
51                );
52            }
53        };
54        
55        // 执行Pipeline
56        Message input = new Message("user", code);
57        Message syntax = syntaxChecker.reply(input);
58        Message security = securityAuditor.reply(input);
59        Message performance = performanceAnalyzer.reply(input);
60        
61        // 汇总结果
62        String summary = String.join("\n\n",
63            "语法: " + syntax.getContent(),
64            "安全: " + security.getContent(),
65            "性能: " + performance.getContent()
66        );
67        
68        Message finalReview = reviewer.reply(new Message("system", summary));
69        
70        return new CodeReviewResult(
71            syntax.getContent(),
72            security.getContent(),
73            performance.getContent(),
74            finalReview.getContent()
75        );
76    }
77}
78
79record CodeReviewResult(String syntax, String security, String performance, String summary) {}

框架对比

特性	Spring AI	AgentScope
定位	企业级AI应用开发	多智能体系统
学习曲线	低（Spring开发者友好）	中等
RAG支持	✅ 原生支持	⚠️ 需自行实现
多Agent	⚠️ 基础支持	✅ 核心功能
生态	Spring全家桶	独立框架
适用场景	企业应用、知识库、客服	复杂协作、多角色系统

最佳实践

1. 错误处理

java

1@ControllerAdvice
2public class AIExceptionHandler {
3    
4    @ExceptionHandler(OpenAiApiException.class)
5    public ResponseEntity<ErrorResponse> handleAIException(Exception ex) {
6        return ResponseEntity
7            .status(HttpStatus.SERVICE_UNAVAILABLE)
8            .body(new ErrorResponse("AI服务暂时不可用"));
9    }
10}

2. 缓存优化

java

1@Service
2public class CachedChatService {
3    
4    @Cacheable(value = "chatCache", key = "#message")
5    public String chat(String message) {
6        return chatClient.prompt().user(message).call().content();
7    }
8}

3. 配置管理

java

1@ConfigurationProperties(prefix = "app.ai")
2@Configuration
3public class AIConfig {
4    private String model = "gpt-4";
5    private double temperature = 0.7;
6    private int maxTokens = 2000;
7}

总结

Spring AI：适合需要快速集成LLM功能的企业级Java应用
AgentScope：适合构建复杂的多智能体协作系统

选择建议：

企业知识库、智能客服 → Spring AI
多角色协作、复杂决策流程 → AgentScope
两者结合使用可以发挥最大价值

参考资源

Spring AI

AgentScope

评论区 / Comments

share分享文章 / Share

第一部分：Spring AI​

快速开始​

Maven配置​

基础配置​

核心功能​

1. ChatClient - 对话接口​

2. Streaming响应​

3. RAG实现​

4. Function Calling​

实战项目：企业知识库​

第二部分：AgentScope​

核心概念​

快速开始​

Maven依赖​

基础Agent​

多Agent协作​

对话Agent系统​

Pipeline模式​

实战项目：智能代码审查系统​

框架对比​

最佳实践​

1. 错误处理​

2. 缓存优化​

3. 配置管理​

总结​

参考资源​

Spring AI​

AgentScope​

评论区 / Comments

第一部分：Spring AI

快速开始

Maven配置

基础配置

核心功能

1. ChatClient - 对话接口

2. Streaming响应

3. RAG实现

4. Function Calling

实战项目：企业知识库

第二部分：AgentScope

核心概念

快速开始

Maven依赖

基础Agent

多Agent协作

对话Agent系统

Pipeline模式

实战项目：智能代码审查系统

框架对比

最佳实践

1. 错误处理

2. 缓存优化

3. 配置管理

总结

参考资源

Spring AI

AgentScope