概述
官网，Spring AI Alibaba是阿里云推出的面向Java开发者的开源（GitHub，10.7K Star，2.4K Fork）AI应用开发框架，简称SAA，基于Spring AI构建，旨在简化生成式AI应用的开发。深度集成了阿里云通义系列大模型及云原生基础设施，提供高层次的AI API抽象，帮助开发者快速构建智能化应用。官方文档。
主要特性：
- 模型交互与适配：支持文本、图像、语音等多模态输入输出，提供同步、异步及流式通信模式
- 提示词模板管理：通过提示词模板简化提示词的定义与动态替换
- 结构化输出：将非格式化的模型输出自动转换为JavaBean，确保数据格式一致性
- 函数调用：支持Function Calling，模型可调用预定义函数辅助完成任务
- RAG：结合向量数据库，实现上下文增强的模型交互
- 多轮对话支持：通过Chat Memory管理对话上下文，支持连续对话
核心功能
- ReactAgent：构建具有推理和行动能力的智能代理，遵循ReAct（推理+行动）范式，用于迭代解决问题
- 多代理编排：使用内置模式（包括SequentialAgent1、ParallelAgent、LlmRoutingAgent和LoopAgent）组合多个代理，以执行复杂任务
- 上下文工程：内置快速工程、上下文管理和对话流控制的最佳实践，以提高代理的可靠性和性能
- 人机协同：将人工反馈和审批步骤无缝集成到代理工作流程中，从而实现关键工具和操作的监督执行
- 流式传输支持：代理响应的实时流式传输
- 错误处理：强大的错误恢复和重试机制
- 基于图的工作流：基于图的工作流运行时和API，用于条件路由、嵌套图、并行执行和状态管理。可将工作流导出为PlantUML和Mermaid格式
- A2A支持：通过Nacos集成支持代理间通信，实现跨服务的分布式代理协调和协作
- 丰富的模型、工具和MCP支持：利用Spring AI的核心概念，支持多种LLM提供程序（DashScope、OpenAI等）、工具调用和MCP
原理
模块
从GitHub源码得知 
以及 
以下组件随SAA主仓库发布，版本与BOM中的SAA版本一致：
| BOM | spring-ai-alibaba-bom | 依赖管理，统一SAA各模块版本 | 同SAA主版本 |
| Agent Framework | spring-ai-alibaba-agent-framework | ReactAgent、多智能体编排、Hooks、Skills等 | 同BOM |
| Graph Core | spring-ai-alibaba-graph-core | 图工作流运行时、持久化、流式、MCP节点等 | 同BOM |
| Studio | spring-ai-alibaba-studio | 嵌入式Agent调试与可视化UI | 同BOM |
| Sandbox | spring-ai-alibaba-sandbox | Agent沙箱运行时 | 同BOM |
| Admin | spring-ai-alibaba-admin | 一站式Agent平台（可视开发、可观测、MCP管理） | 随主仓库发布 |
| Starter A2A Nacos | spring-ai-alibaba-starter-a2a-nacos | 基于Nacos的A2A通信 | 同BOM |
| Starter Config Nacos | spring-ai-alibaba-starter-config-nacos | 基于Nacos的动态配置与模型热更新 | 同BOM |
| Starter Graph Observation | spring-ai-alibaba-starter-graph-observation | Graph可观测性（Micrometer/OpenTelemetry） | 同BOM |
| Starter Builtin Nodes | spring-ai-alibaba-starter-builtin-nodes | 预置图节点（LlmNode、AgentNode等） | 同BOM |
Graph
一款面向Java开发者的工作流、多智能体框架。用于构建由多个AI模型或步骤组成的复杂应用。提供声明式的API来编排工作流，让开发者能将AI应用的各个步骤抽象为节点（Node），并通过有向图的形式连接这些节点，形成可定制的执行流程。
特性：
- 并行条件边、并行分支聚合策略AllOf、AnyOf
- 批量addEdge、interruptAfter钩子（Hook）
- AgentToolNode异步工具执行，returnDirect增强
- 流式节点完整输出
核心概念：
- StateGraph：状态图，用于定义节点和边；负责定义整个工作流的结构和执行逻辑。功能：
- addNode：添加各种处理节点
- addEdge：定义节点间的连接关系
- addConditionalEdges：设置条件分支逻辑
- 支持复杂的子工作流嵌套
- Node：节点，封装具体操作或模型调用；
- Edge：边，表示节点间跳转关系；路由类型：
- 直接路由：A节点完成后直接进入B节点
- 条件路由：根据处理结果选择不同的后续节点
- OverAllState：全局状态，贯穿流程共享数据
- CompiledGraph：已编译图，高效的执行引擎
使开发者能够方便地管理工作流中的状态和逻辑流转。
引入依赖
- implementation 'com.alibaba.cloud.ai:spring-ai-alibaba-graph:1.0.0.3'
- implementation 'com.alibaba.cloud.ai:spring-ai-alibaba-graph-core:1.0.0.4'
区别在于
Agent
ReactAgent集成Agent Skills能力，支持以技能为单位做可复用指令与上下文的渐进式披露，在相关任务时由智能体自动发现并按需加载，从而降低 token 消耗、扩展能力规模。
内置完善的智能体模式最佳实践（如Routing、Supervisor、Handoffs、Custom Workflow等），支持并行子智能体执行；新增Flow Agent统一Hooks、streamMessagesAPI、工具returnDirect、ToolContextHelper。
通过SkillRegistry（如FileSystemSkillRegistry或ClasspathSkillRegistry）管理技能，再使用SkillsAgentHook注册read_skill工具并将技能列表注入系统提示，即可在ReactAgent中使用：
SkillRegistry registry = FileSystemSkillRegistry.builder()
.projectSkillsDirectory(System.getProperty("user.dir") + "/skills")
.build();
SkillsAgentHook hook = SkillsAgentHook.builder()
.skillRegistry(registry)
.build();
ReactAgent agent = ReactAgent.builder()
.name("skills-agent")
.model(chatModel)
.saver(new MemorySaver())
.hooks(List.of(hook))
.build();
agent.call("请介绍你有哪些技能");
技能可与Python、Shell等工具配合：使用ShellToolAgentHook、PythonTool等，让Agent根据技能说明处理技能目录下的文件与脚本。通过groupedTools将工具与技能名绑定，可实现「仅当模型对该技能调用read_skill后，对应工具才加入当次请求」的渐进式工具披露。
更完整的Skills用法，包括：ChatClient、SkillPromptAugmentAdvisor、生产环境自动重载、自定义系统提示模板等。
多智能体模式
在工作流智能体上增强多智能体模式能力：LlmRouting、Supervisor等既可路由到单一子智能体，也可一次选择多个子智能体并并行执行，便于做多领域并行查询与结果汇总。
无论是单智能体还是多智能体，核心都在于上下文管理。多智能体在以下方面能带来明显收益：
- 上下文管理 ：通过专职子智能体缩小单次上下文、降低延迟与Token消耗；子智能体拥有隔离的上下文空间。
- 子智能体并行执行：路由或主管模型可一次选出多个子智能体，并行执行后再做聚合。
适合引入多智能体的典型场景：单个Agent工具过多、部分任务需要专属知识/提示词或工具、需要按条件开启某子智能体能力等。
常见模式概览
| Supervisor（主管） | 主智能体协调子智能体（Agent As Tool）；路由决策集中；子智能体无状态、可并行；上下文隔离 | 问题涉及多领域（如邮件、数据库）；集中式工作流；需并行多任务 |
| Handoffs（交接） | 通过状态变量（如current_step）动态切换Agent；多轮间状态持久化；每步可直接响应用户 | 多步骤对话、客服（先收集保修再退款）等 |
| Skills（技能） | 能力以「技能」形式按需披露；Prompt驱动、轻量；适合单智能体扩展多能力 | 单智能体需多种技能、团队分技能开发维护 |
| Routing（路由） | 按领域拆解问题并分派；可单路或并行多子Agent；需汇总结果 | 多领域问答、并行查多领域知识并综合 |
| Sequential/Parallel/Loop（管道） | 如Sequential模式是指前一节点输出即下一节点输入；可任意组合多种模式 | 固定流程、RAG管道等 |
| CustomWorkflow | 自定义图结构（顺序、分支、循环、并行）；可混合确定性逻辑与智能体节点 | 以上模式不满足时的完全自编排 |
Supervisor与LlmRouting已支持「一次选择多个子智能体并并行执行」，配合Graph的并行条件边与聚合策略（AllOf、AnyOf），可以更自然地实现多路并行与结果汇总。
实战
通过BOM统一版本，避免与Spring AI、Spring Boot冲突：
<dependencyManagement>
<dependencies>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-bom</artifactId>
<version>1.1.2.0</version>
<type>pom</type>
<scope>import</scope>
</dependency>
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-bom</artifactId>
<version>1.1.2</version>
<type>pom</type>
<scope>import</scope>
</dependency>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-extensions-bom</artifactId>
<version>1.1.2.1</version>
<type>pom</type>
<scope>import</scope>
</dependency>
</dependencies>
</dependencyManagement>
<dependencies>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-agent-framework</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba.cloud.ai</groupId>
<artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
</dependency>
</dependencies>
引入核心依赖： implementation 'com.alibaba.cloud.ai:spring-ai-alibaba-starter-dashscope:1.0.0.4'
application.properties配置文件添加：spring.ai.dashscope.api-key=xxx
拓展
官方基于SAA的开源应用。
JManus
GitHub
DataAgent
GitHub
DeepResearch
GitHub
Copilot
GitHub
https://www.anthropic.com/engineering/building-effective-agents 几种工作流模式：
- 链式工作流：将复杂任务分解为有序的处理步骤
- 路由工作流：根据输入类型智能分发到专业处理节点
- 并行化工作流：多个AI节点同时处理，提高效率
- 编排者-工作者模式：动态任务分解和协作处理
- 评估者-优化者模式：迭代优化，追求完美输出
