spring ai

MateCloud微服务

从源码设计看 MateClaw v1.5.0：Goal Checklist、LLM Wiki 自维护与 Memory 隔离MateClaw v1.5.0 的核心不是简单增加几个功能入口，而是把 Agent 运行时里的三个关键状态结构化：目标从完成度评分变成 checklist 验收；LLM Wiki 从检索型知识库升级为可互联、可分层、可触发流水线的知识引擎；Memory 增加 owner/scope，支持多人使用时的记忆隔离。本文从设计思路、源码模块和运行截图三个角度拆解这次更新。

IT空门:门主

Java AI 开发框架终极对比：Spring AI vs Spring AI Alibaba vs AgentScope-Java最近在技术群里被问爆的一个问题：“门主，Spring AI、Spring AI Alibaba、AgentScope-Java 这三个到底学哪个？Spring AI 是不是要被淘汰了？要不要直接转 Python？”

Agent开发理解普通的大模型调用很简单，发起一次简单的LLM Api调用即可。Agent区分于普通的LLM Api调用，其关键在于让无状态的LLM Api调用能好用，不仅能够像有状态一样有记忆，还能分析思考，正确执行。与之延伸而来就有所谓的「记忆（历史会话）管理」、「工具调用（Mcp）」，Agent开发范式（react、plan&excute等），让LLM Api调用能够拆解问题，多次请求，共享会话，最终实现目标。想要模型能够结合实时知识，进而又出现RAG。基本能力开发好了，想节省token成本，需要利用好LLM 的

ai-agent框架spring ai/alibaba源码原理分析(二) 模型，chat模型，chatclientsaa是java的ai agent框架，本系列将深入剖析 Spring AI Alibaba 的源码实现与核心原理，不仅可以指导agent的开发，更可以改造框架，增加新特性

DeepSeek RAG&MCP + Agent智能体项目 —— 动态决策策略的接口对接至此，对于动态决策的基本逻辑我们都写完了，接下来就是完善和写对接前端的接口了。这里我们要加上流式响应，所以稍微还要修改一下前面的代码。

Spring AI多模型路由实战：企业级智能路由+自动降本指南同一个 AI 应用里，所有请求都丢给最贵的模型，其实很像让高级架构师每天只处理“怎么重置密码”。企业 AI 应用上线后，常见问题通常不是“模型不够强”，而是：

Spring Boot 接入 MCP 实战：用 Spring AI 调用本地工具的最小闭环摘要：本文讲清楚 Spring Boot 项目如何通过 Spring AI 接入 MCP，把外部工具变成大模型可调用的 Tool。内容基于 Spring AI 1.1.7 官方 MCP Client Boot Starter 文档，重点放在 STDIO 本地工具接入、配置结构、工具发现、ChatClient 调用链路和常见排查点。适合 Java 后端、Spring Boot 开发者和正在把 Agent 能力落到工程系统里的同学。

GraphRAG vs 传统向量RAG：Spring AI实战对比传统向量RAG找答案快，但多跳推理弱。GraphRAG能理清实体关系，但构建成本高。什么时候用什么？看完这篇你就清楚了。

从零搭建Spring Ai多智能体后端应用在AI逐步渗透企业级Java后端开发的今天，Spring AI作为Spring官方的AI模块，为构建多智能体应用提供了一站式支持。但从零落地到企业可用，不仅需要理解框架，更要实际应对开发、通信、集成与运维的系列难题。本文聚焦Spring AI多智能体后端应用的实战搭建，深入解析常见技术坑点、通信排查、模型集成和运维问题及最佳实践，助力Java开发者高效构建和优化AI驱动的后端能力。

ai-agent框架spring ai/alibaba(四) RAGsaa是java的ai agent框架，本系列将深入剖析 Spring AI Alibaba 的源码实现与核心原理，不仅可以指导agent的开发，更可以改造框架，增加新特性

java1234_小锋

利用Cursor AI编程两小时实现基于Spring AI 2.0的带智能客服的商城系统(带在线支付功能)大家好，我是Java1234_小锋老师。分享下我的利用Cursor AI编程两小时实现基于Spring AI 2.0的带智能客服的商城系统(带在线支付功能) 高级是指按课程。

java1234_小锋

Spring AI 2.0 开发Java Agent智能体 - MCP(模型上下文协议)大家好，我是Java1234_小锋老师，最近更新《2027版本 Spring AI 2.0 开发Java Agent智能体视频教程》专辑，感谢大家支持。

ai-agent框架spring ai alibaba (三)外部调用II-1 MCPspring ai alibaba是java的ai agent框架，本系列将深入剖析 Spring AI Alibaba 的源码实现与核心原理，不仅指导agent的开发，更可以改造框架，增加新特性

Java + Spring实现Hermes Agent之龙虾、Skills、Mcp和沙箱代码执行环境思路上一篇里我用 Spring AI 1.0 GA 跑通了 RAG、窗口记忆和最基础的函数调用，能用，但离一个像样的 Agent 还差不少。这年Spring Ai先后推出了Mcp、Skills、和沙箱环境执行等重要项目。这篇接着往 Hermes 风格的 Agent 走，选几块绕不开的东西聊聊我们当前的做法和踩过的坑：

爱编程的小新☆

JAVA实现Manus智能体目录一. 什么是智能体智能体的分类反应式智能体有限规划智能体自主规划智能体二. 智能体关键技术CoT 思维链

【第21篇-续】graph-Stream-Node改造为适配openAI模型示例站内本项目源码和程序资源下载地址stream-node 是一个基于 Spring Boot 与 Spring AI Alibaba 的示例项目，核心目标是演示 Graph Stream（图流）能力。

Spring AI RAG - 05 RAG 检索阶段与 QuestionAnswerAdvisor文档入库只是 RAG 的一半，更关键的另一半在检索。当用户提问时，系统需要在毫秒级时间内从向量库中召回最相关的若干片段，再将这些片段拼接到 Prompt 中，引导大模型基于事实回答。

【第56篇】Graph Example —— MCP-Node 模块mcp-node 是一个 “会调用外部工具的 AI 计算节点”。它接收用户的提问，让大模型（通义千问/DashScope）决定要不要调用外部工具（比如查天气、查时间），然后把结果整理好返回。

（第四篇）Spring AI 架构设计与优化：真实生产环境复盘，从 100ms 到 10ms 的响应提速全流程大家好，我是深耕 Spring AI 落地的后端开发。上个月我们团队接到了一个紧急优化需求：线上跑了 3 个月的智能问答服务，平均响应耗时稳定在 100ms，业务高峰期 P99 延迟直接飙升到 500ms，大量用户反馈 “问个问题要等半天”，老板直接下了死命令：2 周内把平均延迟压到 20ms 以内，同时不能降低问答准确率。

Spring AI Alibaba零基础速成（3） ---- ChatClient使用ChatModel 是 SpringAI 的底层核心接口，它定义了所有大模型统一的调用规范，是最原始、最基础的调用层。