首页 文章 精选 留言 我的

精选列表

搜索[Agent Runtime],共10000篇文章
优秀的个人博客,低调大师

《Spring AI 2.0实战》第15招 Agent别急着上框架

## 01、痛点 我是老李。最近团队在做一次技术选型调研,题目是“Spring Boot 3 下虚拟线程对数据库连接池的影响”。有个同学上来就接了一个开放探索式的自主平台,目标设得很大:让模型自己搜索、自己总结、自己决定要不要继续查。结果跑了一下午,模型来回绕了十几轮,调用费用花掉几十美元,最后产出一份包含大量重复链接和过时结论的报告,还说不清每一步为什么这么做。这不是个例。很多团队现在一提到智能化,就想直接上一个能够“自己决定一切”的东西,忽略了大部分任务其实有相对确定的路径。Spring AI 官方最近的教程也在泼冷水:先把流程做清楚,再考虑是不是要让模型自己掌控节奏。 ## 02、是什么 Spring AI 官方教程明确参考了 Anthropic 关于构建有效智能体系统的实践指南,核心就两个词:简单和可组合。它把系统分成两类。一类叫工作流,也就是预定义好步骤,模型只在某些节点上做决策,比如判断该走哪条分支、该调用哪个工具;另一类叫智能体,由模型自己决定每一步做什么、调用什么、什么时候停。官方提醒,不要一开始就去搭一个复杂的自主平台,很多问题用工作流就能解决。教程里给出五种基础模式:链式(Chain)、并行(Parallelization)、路由(Routing)、编排者-工人(Orchestrator-Workers)、评估者-优化者(Evaluator-Optimizer)。这五种模式不是五个独立的复杂框架,而是像积木一样,可以组合。理解了它们,就能在一个可控的骨架里逐步增加模型的决策自由度。 ## 03、为什么 为什么固定流程常常更可靠?第一,可复现。同样的输入,固定流程基本能得到同样的路径,便于回归测试和审计。自主循环的路径不确定,这次对下次可能错。第二,可观测。每个节点的输入输出都清晰可查,出问题能定位到具体步骤;自主平台往往只有一个最终结果,中间过程像黑盒。第三,成本可控。工作流调用模型的次数基本可预估,自主循环可能会不断重试、重复搜索,费用和时间都不可控。第四,调试成本低。固定流程里,某一个节点效果不好,只替换那个节点就行;自主平台里,行为是涌现出来的,调一个参数可能影响全局。大多数业务任务的目标明确、路径可枚举,比如生成报告、做代码审查、回答知识库问题,根本不需要模型自由发挥。把确定的部分固定下来,把不确定的部分留给模型在节点内处理,才是更务实的选择。 ## 04、架构 从架构上看,Spring AI 提供的能力足够我们搭出清晰的工作流。ChatClient 负责对话调用,Tool 负责外部工具接入,结构化输出能把模型的自然语言转成对象,Advisor 可以在调用前后做拦截。工作流编排不需要专门的引擎,就用普通的 Java 代码把步骤串起来。一个节点可以是函数,也可以是对模型的调用;节点之间靠输入输出连接。链式最简单,A 的输出是 B 的输入;并行是把同一个输入同时发给多个分支,再合并;路由是先让一个分类节点判断,再分发到对应的专用流程;编排者-工人是一个主控把大任务拆成子任务,分给多个工人执行,最后汇总;评估者-优化者是先执行一版,再让评估节点打分,不合格就带上反馈重新优化,直到满足阈值。这些结构的共同点是:流程图是确定的,模型只在节点内部或分支选择点上做决策,而不是控制整个流程。 ## 05、实战 拿“技术问题调研”这个任务举例。我们完全可以把它拆成固定步骤。问题进来后,第一步做关键词抽取;第二步并行搜索多个数据源,比如官方文档、社区问答、源码仓库;第三步用路由判断问题类型,是配置类、性能类还是 bug 类,走不同的摘要模板;第四步汇总成一版调研报告;第五步让评估节点对报告质量打分,比如置信度是否达标、是否缺少关键来源;不达标就补一轮针对性搜索,但限制最多补两轮,避免无限循环。用伪代码表示大致是这样: ```java Step step = ChainBuilder.start(parseKeywords) .then(parallelSearch(officialDocs, communityQa, sourceRepo)) .then(routerByType(configSummary, perfSummary, bugSummary)) .then(mergeReport) .then(evaluatorOptimizer(threshold, maxRetry)) .build(); ``` 这个结构的每一个分支和终止条件都是确定的,模型只在“关键词抽取”“路由判断”“摘要生成”“评估打分”这些节点上工作。实际跑下来,成本可控,结果可复现,出问题也能快速定位是搜索不够全,还是摘要模板不对。 ## 06、洞见 观察下来,很多所谓智能体场景其实是确定流程加上模型决策节点。比如客服工单分派,流程就是“接收—分类—派单—回访”,只有分类那一步让模型判断;再比如合同审查,流程是“抽取条款—比对规则—输出风险点”,模型只负责比对和总结。完全自主的循环只适合开放式探索,比如研究一个尚未有明确答案的问题。判断该用固定流程还是自主系统,可以看四个信号:目标是否明确、路径是否可枚举、是否需要审计、成本是否敏感。如果四个都指向固定流程,就不要为了“先进”而上自主平台。先把工作流跑顺,再在某些节点上增加模型决策,甚至局部放开自主范围,往往比一上来就追求全自动更有效。 ## 07、行动 后续五种模式全部基于官方 spring-ai-examples 下的 agentic-patterns 代码实操。建议按顺序来:先把 chain 示例跑通,理解一个节点如何接下一个节点;再把 chain 改成 parallel,感受同时请求多个工具时的合并逻辑;接着加入 routing,让分类节点决定走哪条模板;然后用 orchestrator 做一次多步骤调研,把主控和工人分开;最后用 evaluator-optimizer 做一个带质量闭环的报告生成。每一步都记录三个指标:模型调用次数、端到端时延、结果准确性。只有当一个模式在可控范围内稳定了,再进入下一个。不要一上来就改全自主,否则出了 bug 很难定位。 ## 08、小结 简单和可组合不是落后的代名词,而是工程上的成熟。固定流程先保证可靠,模型决策节点再提供灵活性,这个顺序不能反。Spring AI 官方教程和 Anthropic 的实践都在指向同一个结论:大多数场景不需要复杂的自主平台,需要的是一个清晰的、可组合的工作流骨架。先把骨架搭好,再逐步让模型在关键节点上做决策,你得到的系统会更稳、更省、更好维护。 ## 09、链接与概念说明 关键概念:Spring AI 是 Spring 生态下的 AI 应用开发框架,提供对话调用、工具接入、结构化输出等能力。Anthropic 关于构建有效智能体系统的实践指南强调简单与组合。工作流是预定义路径,模型只在节点做决策;智能体是模型自己决定路径。五种模式分别是链式、并行、路由、编排者-工人、评估者-优化者。实操代码在 spring-projects/spring-ai-examples 仓库的 agentic-patterns 目录下。建议先读官方教程,再对照代码跑一遍,不要跳过基础直接看复杂示例。

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册