同一需求三套写法：用 Spring AI、LangChain4j、AgentScope Java 各实现一个带工具调用的 RAG 助手（实战对比）

同一需求三套写法：用 Spring AI、LangChain4j、AgentScope Java 各实现一个带工具调用的 RAG 助手（实战对比）

📚 本文是「Java 大模型框架专题」系列第 5 篇（实战收尾篇）。全系列 5 篇，建议按序阅读：

1. 总纲 2026 Java 大模型框架选型终极指南：Spring AI vs LangChain4j vs AgentScope Java 深度横评
2. 深度 Spring AI 2.0 深度解析
3. 深度 LangChain4j 深度解析
4. 深度 AgentScope Java 深度解析
5. 实战 同一需求三套写法（本篇）

（发布后请把每行标题替换为对应文章的超链接，形成专题矩阵互导闭环）

---

一、需求定义：一个"技术问答助手"

前四篇都在讲"是什么、怎么选"。这篇反过来，用一个真实需求把三家拉出来遛一遛。

需求：一个技术问答助手，要求：

1. 用户问一个技术问题；
2. 先从知识库检索相关文档（RAG）；
3. 需要时能调用工具（比如查当前时间）；
4. 以流式方式输出带依据的回答。

说明：以下代码为示意实现，突出各框架的编程范式与代码量差异；具体 API 以官方文档为准（文末附链接）。

---

二、Spring AI 2.0 实现

// 配置：RAG 检索器挂进 Advisor 链
@Configuration
class AiConfig {
    @Bean
    ChatClient chatClient(ChatClient.Builder builder, VectorStore store) {
        return builder
            .defaultAdvisors(QuestionAnswerAdvisor.builder(store).build())
            .build();
    }
}

// 工具：@Tool 声明，被 ToolCallingAdvisor 自动发现
@Component
class TimeTools {
    @Tool(description = "返回当前 UTC 时间")
    String now() { return Instant.now().toString(); }
}

@RestController
class AssistantController {
    private final ChatClient chatClient;

    AssistantController(ChatClient.Builder builder) {
        this.chatClient = builder.build();
    }

    @GetMapping(value = "/ask", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    Flux<String> ask(@RequestParam String q) {
        return chatClient.prompt()
                .system("你是技术问答助手，优先依据检索到的上下文回答")
                .user(q)
                .stream()
                .content();                       // 流式输出
    }
}

特点 ：命令式 + Fluent；RAG 靠 QuestionAnswerAdvisor 挂载；工具靠 @Tool 自动发现；流式返回 Flux<String>。

---

三、LangChain4j 实现

interface Assistant {
    @SystemMessage("你是技术问答助手，优先依据检索到的上下文回答")
    Flux<String> answer(@UserMessage String question);   // 流式
}

// 检索器
ContentRetriever retriever = EmbeddingStoreContentRetriever.builder()
        .embeddingStore(store)          // pgvector / InMemory 等
        .embeddingModel(embeddingModel)
        .maxResults(3)
        .build();

// 工具
class TimeTools {
    @Tool("返回当前 UTC 时间")
    String now() { return Instant.now().toString(); }
}

// 装配
Assistant assistant = AiServices.builder(Assistant.class)
        .chatLanguageModel(model)
        .contentRetriever(retriever)    // 自动把检索结果注入上下文
        .tools(new TimeTools())
        .build();

Flux<String> answer = assistant.answer("Spring AI 2.0 需要哪个 Boot 版本？");

特点 ：声明式 @AiService；RAG 靠 ContentRetriever 自动注入；工具靠 @Tool 注入；流式靠方法返回类型 Flux 自动切换。

---

四、AgentScope Java 实现

// 把"检索知识库"封装成一个工具，交给 Agent 自主调用
class KnowledgeTools {
    @Tool("在技术知识库中检索相关文档")
    String search(@ToolParam String query) { return vectorSearch(query); }
}

// 用 HarnessAgent 承载生产级 Agent（长期记忆 / 会话持久化 / 沙箱）
HarnessAgent assistant = HarnessAgent.builder()
        .name("技术问答助手")
        .model(model)                        // Qwen / OpenAI / Claude / Gemini...
        .tools(new KnowledgeTools(), new TimeTools())
        .build();

Response resp = assistant.run("Spring AI 2.0 需要哪个 Boot 版本？");

特点 ：Agent 编排式；RAG 不是内建抽象，而是封装成一个 @Tool 让 Agent 自主决定何时调用 ；用 HarnessAgent 直接获得记忆、持久化、沙箱能力。

---

五、三份代码并排对比

维度	Spring AI	LangChain4j	AgentScope Java
代码风格	命令式 Fluent	声明式接口	Agent 编排式
RAG 方式	QuestionAnswerAdvisor	ContentRetriever 自动注入	@Tool 封装检索，Agent 自主调
工具接入	@Tool Bean	@Tool 注入	@Tool + @ToolParam
流式	Flux<String>	Flux<String>（返回类型即语义）	事件系统（32 类事件）
心智模型	"给 Spring 服务加 AI 能力"	"把 AI 服务当接口实现"	"编排一个会自己干活的 Agent"
额外白拿	观测/自动配置	记忆/护栏/非阻塞	记忆/持久化/沙箱/HITL

读法：三者都能完成这个需求，但**"舒服程度"取决于你的心智模型**------Spring 团队觉得第一列最顺，Quarkus/纯 Java 团队觉得第二列最顺，做多智能体的人觉得第三列才是正解。

---

六、真实跑起来会遇到什么

坑	说明	规避
Boot 版本	Spring AI 2.0 跑不了 Boot 3.x	迁 Boot 4，或先用 LangChain4j 双 Starter
依赖数量	LangChain4j 模块多，容易引错	按需引，别一把梭 *
心智成本	AgentScope 抽象高，Demo 与生产的 API 不同	先 ReActAgent 跑通，再上 HarnessAgent
RAG 效果	三家都依赖"检索质量"上限	切块策略 + 相似度阈值是真正的胜负手

---

七、结论

回到系列第 1 篇的那句话：三个框架不在同一层。

• 做单体智能 （本场景就是）→ Spring AI （Spring 栈 / Boot 4）或 LangChain4j（跨框架 / 生态最全）；
• 做多智能体自治系统 → AgentScope Java。

这个"技术问答助手"恰好是"单体智能"的典型，所以 Spring AI 与 LangChain4j 是更贴合的答案 ；但如果你要把它升级成"研究-写作-评审分工的 AI 团队"，AgentScope 的 HarnessAgent + 子智能体编排就是更优解。

你正在做的项目，是"单体智能"还是"多智能体协作"？评论区聊聊，我帮你对号入座。

---

系列矩阵导航

• 🔗 第 1 篇·总纲 三框架选型深度横评（含分层定位图 + 决策树)
• 🔗 第 2 篇·深度 Spring AI 2.0 深度解析
• 🔗 第 3 篇·深度 LangChain4j 深度解析
• 🔗 第 4 篇·深度 AgentScope Java 深度解析

---

本文数据截至 2026-11-02；代码为示意实现，API 细节分别以 Spring AI、LangChain4j、AgentScope Java 官方文档为准。