spring ai

递归尽头是星辰

Spring AI 实战：Function Calling，Agent 的底层工具层工程化实践在上一篇《大模型 Agent 知识体系：Java 开发者视角下的原理、架构与选型边界》文章中，我们明确了工具层是 Agent 连接真实业务系统的唯一桥梁，而支撑工具层的底层核心，就是大模型的 Function Calling（函数调用）能力。没有 Function Calling，大模型只能输出自然语言，永远无法真正操作业务接口、数据库与第三方服务，Agent 也就成了 “只会说话不会干活” 的空壳。

递归尽头是星辰

大模型 Agent 知识体系：Java 开发者视角下的原理、架构与选型边界在大模型浪潮下，Agent（智能体）已成为生成式 AI 工程化落地的核心热点，但 Java 后端领域普遍存在认知偏差与过度设计问题：不少团队将单次工具调用、RAG 系统等同于 Agent，在流程固定的业务中硬套智能体架构，最终引发时延上升、成本失控、稳定性下降等工程问题。

TizzyGoodhealth

从零到一搭建Spring‑AI原生Tool‑Calling AI Agent｜架构对比+完整实战源码+踩坑实录摘要：本文详细对比了Java生态中手写JSON协议Agent与Spring‑AI原生Tool‑Calling Agent两种架构方案的优劣，并提供了从零到一搭建Spring‑AI原生Tool‑Calling AI Agent的完整实战指南。内容包括：需求拆解、整体架构数据流、核心模块源码设计（RAG配置、Query扩写、链路追踪、SSE推送、双入口Controller等）、生产环境踩坑清单（ThreadLocal跨线程失效、SSE数据包过大、RAG降级策略等）以及后续迭代方向。文章强调Spring‑AI原

ai-agent框架spring ai alibaba (三)外部调用II-2 分布式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

Spring AI Alibaba ReAct Agent实战：从Tool Calling到Agent，企业AI复杂业务该如何设计？目录1. 为什么复杂业务任务需要Agent？2. ReAct Agent到底是怎么工作的？3. 实战：设计一个订单异常处理Agent

Spring AI ChatClient详解：创建第一个AI客户端本文是“Spring AI 智能体实战”系列第 4/30 篇。项目采用 Java 17、Spring Boot 3.4.3 和课程示例所使用的 Spring AI 版本。不同 Spring AI 版本的依赖名称和部分 API 可能存在差异，请以自己项目的版本为准。

Spring AI连接DeepSeek与通义千问：application.yaml配置详解本文是“Spring AI 智能体实战”系列第 3/30 篇。项目采用 Java 17、Spring Boot 3.4.3 和课程示例所使用的 Spring AI 版本。不同 Spring AI 版本的依赖名称和部分 API 可能存在差异，请以自己项目的版本为准。

ai-agent框架spring ai/alibaba 原理源码分析(十)沙箱springai/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，用以指导agent的开发，框架培训，改造框架，增加新特性。

【Spring AI智能体实战 02】Spring Boot 3.4整合Spring AI：项目创建与依赖配置本文是“Spring AI 智能体实战”系列第 2/30 篇。项目采用 Java 17、Spring Boot 3.4.3 和课程示例所使用的 Spring AI 版本。不同 Spring AI 版本的依赖名称和部分 API 可能存在差异，请以自己项目的版本为准。

【Spring AI智能体实战 01】Java开发者接入大模型：国内平台、Token与API Key入门本文是“Spring AI 智能体实战”系列第 1/30 篇。项目采用 Java 17、Spring Boot 3.4.3 和课程示例所使用的 Spring AI 版本。不同 Spring AI 版本的依赖名称和部分 API 可能存在差异，请以自己项目的版本为准。

Spring AI Alibaba 核心知识点所有知识点来源参考ChatModel是Spring AI定义的统一模型适配接口，是AI交互的底层抽象，支撑通义系列模型的聊天、文生图、音频转录等多场景，同时支持同步与流式API。

Spring Boot 3.x 集成 DeepSeek 实现 Function Calling（工具调用）技术栈：Spring Boot 3.5.16 + Spring AI 1.0.1 + DeepSeek + Java 21

佛祖让我来巡山

SpringAI保姆级实战教程注：我默认你是个会用Spring Boot的老Java选手，版本咱们就踩在Spring AI 2.0.0 GA上（2026年6月刚出的），如果还在用Boot 3.x，我会在文末给你指条明路。

Java 后端转型大模型：Demo 能跑不等于能上线聊《别急着换赛道：Java经验在 AI 项目里到底值多少？》之前，先说一句实在的：别急着背概念，先看它在真实项目里到底解决什么问题。

【Spring AI 学习（三）】实现简单的对话接下来用spring ai演示如何实现简单的对话功能首先在spring_ai工程下，创建一个子模块spring_ai_chat，如下图

【Spring AI 学习（一）】spring ai是什么Spring AI 是 Spring 官方推出的一个应用框架，旨在帮助 Java 开发者更简单、便捷地为应用程序添加 AI 功能。

从 Dify 工作流说起：常用节点怎么选、怎样组合？Dify 是很多人接触 AI 工作流的起点。随着流程逐渐复杂，真正需要理解的已经不是怎样把节点拖到画布上，而是职责相近的节点应该怎样选择。

业务智能体实战笔记:分层消除不确定性(五·终)｜完全脱离 LLM 的确定性判定 + 评测闭环系列导航：上一篇：业务智能体实战笔记（四）：兜底修复——LLM 错了怎么救阅读提示：本文为智能体准确率优化系列第五篇（收官篇），本篇是四层方法论的第四层——完全脱离 LLM 的确定性判定，同时复盘全系列核心教训：评测闭环搭建时机过晚。四层方法论总览：1.前置拦截 → 2.收窄LLM决策空间 → 3.LLM决策后兜底修复 → 4.纯工程确定性判定（本文）

2026 年智能体开发平台怎么选：从开源产品、云厂商到私有化平台截至 2026 年 7 月，市场上的智能体开发平台已经不少。打开这些产品的介绍页，会发现它们列出的功能大同小异：接入大模型、建立知识库、配置 Agent、编排工作流、调用工具，再将应用发布为网页或 API。仅凭这些功能介绍，很难判断哪个平台更适合自己的项目。

从模型接入到应用运行：智能体开发平台的整体架构设计调用一次大模型接口通常只需要少量代码，把它做成可以长期使用的企业应用，却会连续遇到一系列问题：模型怎样统一接入，企业知识怎样管理，Agent 如何调用业务接口，复杂任务是否需要工作流，做好的能力又怎样提供给员工和现有系统。任何一项没有处理好，应用都很容易停留在演示阶段。