Spring AI 2.0实战：手撸企业级代码助手Agent

Spring AI 2.0 到底更新了什么

很多开发者在 Spring AI 2.0 发布后都有一个共同的疑问：这次大版本升级究竟带来了哪些实质性变化？根据 B站 UP 主徐树的系列教程分析，答案其实相当聚焦——Spring AI 2.0 最核心的更新在于完成了 Agent 基座的构建。

在此之前的 Spring AI 1.0 时代，框架本质上只能做到调用大模型、结合 Tools 和记忆（Memory）来生成一个聊天机器人。它缺乏真正意义上的 Agent 能力：自主思考、自主决策、循环迭代直到任务完成。而这些能力，过去必须依赖阿里巴巴推出的 Spring AI Alibaba（Agent Framework）这类第三方开源框架才能补齐。

Spring AI Alibaba 是阿里巴巴开源的一套基于 Spring AI 构建的 AI 应用开发框架，定位为 Spring AI 生态的上层扩展。它主要解决了 Spring AI 原生框架在复杂 Agent 场景下的不足，提供了包括 Graph-based Workflow 编排引擎、多 Agent 协作机制、DocumentReader 增强、以及对国内主流大模型（通义千问、文心一言等）的深度适配。其 Workflow 编排能力允许开发者以有向无环图（DAG）的方式定义 Agent 执行路径，支持条件分支、并行执行和状态流转，适用于企业级复杂业务流程的 AI 化改造。从技术实现角度看，DAG 编排引擎的核心是将 Agent 的执行逻辑建模为图结构中的节点（Node）和边（Edge），每个节点代表一个原子操作（如模型调用、工具执行、条件判断），边则定义了数据流转和控制流方向。这种图编排模式相比线性的链式调用，能够更灵活地表达复杂业务逻辑中的并发、分支和汇聚场景。

值得强调的一点是：Spring AI 2.0 的内容中，超过 90% 其实沿袭自 1.0。ChatClient、ChatModel、各类大模型接入、Prompt 格式化等基础能力，与 1.0 相比没有本质变化。在 Spring AI 的架构设计中，ChatModel 是底层抽象接口，负责定义与不同大模型提供商（OpenAI、Anthropic、Ollama 等）的统一交互契约，包括消息发送、参数配置和响应解析。而 ChatClient 则是面向开发者的高层流式 API，采用 Builder 模式设计，提供了链式调用、默认系统提示词配置、输出格式转换等便捷功能。这种分层设计借鉴了 Spring 框架一贯的理念：底层接口保证扩展性和可替换性，高层客户端提供开发体验和生产力。具体而言，ChatModel 接口的设计类似于 Spring Data 中的 Repository 抽象——不同的实现类（如 OpenAiChatModel、OllamaChatModel）封装了各厂商 API 的差异细节，而 ChatClient 则类似于 RestTemplate/WebClient 的角色，在统一接口之上提供更符合人体工程学的调用方式。这种模式使得更换底层模型提供商只需替换配置，业务代码无需改动。

真正的增量在于新增的这一层 Agent 生态。因此，对于想深挖底层源码与细节的开发者，1.0 的知识依然完全适用。

Agent 能力：从聊天机器人到自主智能体

Agent 与传统聊天机器人的根本区别，在于它具备一个完整的执行闭环：自主思考 → 调用 Tools 执行行动 → 观察结果 → 循环迭代 → 直到任务完成。这正是所谓 ReAct（Reasoning + Acting）范式的核心。

ReAct 是 2022 年由普林斯顿大学和 Google Brain 联合提出的一种大语言模型推理框架（论文标题为 "ReAct: Synergizing Reasoning and Acting in Language Models"）。其核心思想是让模型在执行任务时交替进行推理（Thought）和行动（Action），并在每次行动后观察环境反馈（Observation）。相比纯粹的链式推理（Chain-of-Thought），ReAct 通过引入外部工具交互，解决了模型"幻觉"和知识过时的问题。在实际实现中，ReAct Agent 通常会维护一个循环：模型先生成推理步骤，决定下一步该做什么；然后调用工具获取真实数据；最后将观察结果反馈给模型，由模型判断是否需要继续迭代。这种范式已成为当前主流 Agent 框架（如 LangChain、AutoGPT 等）的基础架构。值得注意的是，ReAct 的优势不仅在于提升了任务完成的准确率，更重要的是它提供了可解释性——开发者可以通过查看每一步的 Thought 来理解 Agent 的决策逻辑，这对于企业级应用的调试和审计至关重要。在 Spring AI 2.0 的实现中，ReAct 循环通过 ToolCallingAgent 类来管理，框架自动处理了消息历史的维护、工具调用结果的注入、以及终止条件的判断。

Spring AI 2.0 在框架层面实现了这套最基本的 Agent 能力。这意味着开发者不再需要为了实现一个能自主执行任务的智能体，而额外引入笨重的外部框架。当然，如果需要更复杂的自主规划、自主编排路径（Workflow 编排）以及多 Agent 协作，Spring AI Alibaba 这类扩展框架依然有其独特价值——它在 Spring AI 基础之上做了大量扩展，支持 ReAct Agent 的自主规划与思考，以及基于 Workflow 的可编排 Agent 应用。在 Spring AI 2.0 补齐基础 Agent 能力后，Spring AI Alibaba 的价值更多体现在生产级场景的高级编排和国内生态适配上。多 Agent 协作是指将一个复杂任务分配给多个专业化的 Agent 角色（如架构师 Agent、编码 Agent、测试 Agent），它们之间通过消息传递和共享上下文进行协同工作，类似于人类团队的分工协作模式。

简单来说，Spring AI 2.0 补齐了 Agent 的"地基"，而生态框架则负责"精装修"。

Spring AI Agent Utils：逆向 Claude Code 的工具库

本次教程实战的一大亮点，是引入了 Spring AI 社区提供的 Agent Utils 工具库。据徐树介绍，这套工具库直接逆向了 Claude Code 的实现思路，因此借助它来开发一个代码生成助手，成本可以说极低。

Claude Code 是 Anthropic 推出的一款命令行 AI 编程助手工具，它能够直接在开发者的终端环境中运行，具备阅读代码库、编辑文件、执行命令、搜索代码等能力。与 GitHub Copilot 主要提供代码补全不同，Claude Code 更像是一个具备完整 Agent 能力的编程伙伴——它可以理解整个项目结构，自主规划修改方案，执行多步操作完成复杂的代码重构或功能开发任务。其核心设计理念包括：主动询问不明确的需求、将大任务拆分为小步骤、利用文件系统工具读写代码、通过执行测试验证结果。Claude Code 在底层维护了一套精心设计的系统提示词（System Prompt），定义了 Agent 的行为准则和工具使用规范，同时通过权限沙箱机制限制 Agent 对文件系统的访问范围。逆向 Claude Code 的实现思路，本质上是复刻其工具设计和交互模式——将文件读取、文件写入、命令执行、代码搜索等操作抽象为标准化的 Tool 接口，并设计类似的提示词策略来引导 Agent 的行为。

这套工具库提供了构建高质量代码 Agent 所需的关键组件：

Ask User Question（主动提问）

当大模型发现提示词信息不足、无法准确完成任务时，它可以主动向用户提出几个问题，通过用户的回答来填充上下文缺口。这一机制显著提升了 Agent 的可靠性——不再"闷头猜测"，而是像真人助手一样确认需求。这种设计在 Claude Code 中被大量使用：当用户给出一个模糊指令（如"优化这个函数"）时，Agent 会追问具体的优化目标是性能、可读性还是内存占用，从而避免产出不符合预期的代码。从技术实现角度看，Ask User Question 本质上是一个特殊的 Tool——当模型决定调用这个工具时，框架会暂停 Agent 的执行循环，将问题展示给用户，等待用户输入后再将回答注入对话上下文继续执行。这种"人在回路"（Human-in-the-Loop）的设计模式，在需要高可靠性的生产环境中尤为重要。

Skills（技能模块）

将特定能力封装为可复用的 Skill，让 Agent 能够按需调用不同的专业技能模块，这是构建复杂 Agent 应用的重要组织方式。每个 Skill 可以包含独立的系统提示词、工具集合和执行逻辑，例如"代码审查 Skill"、"单元测试生成 Skill"、"API 文档编写 Skill"等，Agent 根据任务类型动态激活相应技能。Skills 模块的设计理念类似于面向对象编程中的"策略模式"——将不同的行为策略封装为独立的对象，在运行时根据上下文动态选择。在实际应用中，一个代码 Agent 可能同时注册了数十个 Skill，每个 Skill 都有其触发条件和执行边界，这种模块化设计使得 Agent 的能力可以像插件一样灵活组合和扩展，也便于团队协作开发和维护。

任务规划与长期记忆

工具库还包含任务规划（Task Planning）与长期记忆（Long-term Memory）能力。前者让 Agent 能够将复杂目标拆解为有序的执行步骤；后者则解决了跨会话上下文丢失的痛点，让 Agent 具备"记住历史"的能力。

任务规划的核心机制是让模型在执行具体操作之前，先生成一份结构化的执行计划（Plan），列出完成目标所需的步骤清单、依赖关系和预期产出。这类似于软件工程中的"先设计后编码"原则，能有效减少 Agent 在复杂任务中"迷失方向"或遗漏关键步骤的问题。

AI Agent 中的长期记忆是相对于会话内短期记忆而言的持久化记忆机制。短期记忆通常通过在 Prompt 中附加历史对话实现，但受限于模型的上下文窗口长度（即使是最新的模型，200K Token 的窗口在面对大型项目时也会很快耗尽）。长期记忆则需要将重要信息提取、压缩后存储到外部数据库中（通常是向量数据库，如 Milvus、Pinecone 或 pgvector），在后续会话中通过语义检索召回相关记忆。其工作流程通常为：对话结束时，通过 LLM 或规则引擎从对话中提取值得记住的关键信息；将这些信息向量化后存入数据库；下次会话开始时，根据用户的新输入检索相关的历史记忆并注入上下文。在代码 Agent 场景中，长期记忆可以记住用户的编码风格偏好（如偏好函数式编程还是面向对象）、项目架构约定（如 DDD 分层结构）、历史修改记录等，使 Agent 在多次交互中表现得越来越"懂"开发者的需求。

项目实战：从基础对话到完整 Agent

整个教程采用"由浅入深"的路径设计，非常适合系统性学习。学习脉络大致如下：

1. 大模型基础对话：从最基本的 ChatClient 调用入手，理解如何配置模型参数（temperature、top_p、max_tokens 等）、构建消息列表（System Message、User Message、Assistant Message 的角色区分）、以及处理模型响应。
2. 流式输出（Streaming）：实现打字机效果的实时响应。流式输出基于 Server-Sent Events（SSE）或 WebFlux 的 Flux 响应式流实现，模型每生成一个 Token 就立即推送给前端，而非等待完整响应生成后再返回。在技术实现上，Spring AI 的 ChatClient 提供了 .stream() 方法返回 Flux<String> 类型，开发者可以直接将其映射到 Spring WebFlux 的响应式端点。这在长文本生成场景中能显著改善用户体验——用户无需等待数十秒才看到完整回复，而是可以实时看到内容逐字生成，同时也降低了首字节响应时间（Time to First Byte）。
3. 记忆（Memory）：让对话具备上下文连贯性。Spring AI 提供了多种 Memory 实现，包括基于内存的 InMemoryChatMemory、基于数据库的持久化 Memory 等。Memory 组件负责在每次请求时自动将历史消息附加到新的 Prompt 中，同时管理消息窗口大小以防止超出 Token 限制。
4. Tools 与 MCP：赋予模型调用外部工具的能力，接入 Model Context Protocol。Tool Calling（也称 Function Calling）是现代大模型的核心能力之一，它允许模型在推理过程中识别出需要调用外部工具的时机，生成结构化的工具调用请求（包含函数名和参数），由框架执行实际调用后将结果返回给模型。Spring AI 2.0 通过 @Tool 注解简化了工具的注册过程。MCP（Model Context Protocol）是 Anthropic 于 2024 年底开源发布的一种标准化协议，旨在解决大语言模型与外部数据源和工具之间的连接问题。它定义了一套统一的客户端-服务器架构，AI 应用作为 MCP 客户端，各种工具和数据源作为 MCP 服务器，双方通过标准化的 JSON-RPC 协议通信。MCP 协议定义了三种核心原语：Tools（可执行操作）、Resources（可读取数据）和 Prompts（可复用模板）。这类似于 USB 接口统一了外设连接标准——在 MCP 出现之前，每接入一个新工具都需要写专门的适配代码；有了 MCP 之后，任何符合协议规范的工具服务器都可以即插即用。Spring AI 2.0 对 MCP 的原生支持意味着开发者可以通过统一接口接入社区中已有的数百个 MCP 服务器（如文件系统、GitHub、数据库、搜索引擎等）。
5. Agent Utils 进阶：Ask User Question、Skills、任务规划、长期记忆

最终目标是构建一个类似 Claude Code 的代码生成助手项目。这种从零到一、逐层递进的实战方式，既能帮助开发者掌握 Spring AI 2.0 的基础，又能落地企业级 Agent 应用。

学习建议与资源获取

对于打算入门 Spring AI 2.0 的 Java 开发者，这里有几点建议：

• 优先补齐 1.0 基础：既然 2.0 有 90% 内容与 1.0 一致，扎实掌握 ChatClient、ChatModel、Tools 等基础组件是前提。
• 重点攻克 Agent 层：这是 2.0 真正的价值所在，也是当前 AI 应用开发最热门的方向。理解 ReAct 循环的工作原理、Tool Calling 的注册与调度机制、以及 Agent 状态管理，是掌握这一层的关键。特别建议深入理解 Tool Calling 的完整生命周期：模型生成工具调用意图 → 框架解析调用请求 → 执行对应的 Java 方法 → 将结果序列化后注入对话历史 → 模型基于结果继续推理。
• 善用社区工具库：Agent Utils 逆向 Claude Code 的思路，能让你以极低成本快速构建生产级代码助手。
• 关注 Java Agent 生态演进：除了 Spring AI 和 Spring AI Alibaba，Java 生态中还有 LangChain4j 等框架值得对比学习。LangChain4j 是 LangChain Python 框架的 Java 移植版，它采用了不同于 Spring AI 的设计哲学——更侧重于提供丰富的链式组合原语和开箱即用的 RAG 管道，而 Spring AI 则更强调与 Spring 生态的深度整合和 Spring Boot 式的自动配置体验。了解不同框架的设计取舍有助于在实际项目中做出更好的技术选型。

据 UP 主说明，本系列课程的笔记与源码可在其视频评论区通过留言"Spring AI"免费获取。对于希望将 Spring 生态与 AI Agent 结合的企业开发者而言，这是一条相当务实的学习路径。

总结

Spring AI 2.0 的发布，标志着 Java 生态在 AI Agent 开发上迈出了关键一步。它不再局限于"调用模型 + 拼装 Prompt"的初级玩法，而是提供了真正的 Agent 基座——自主思考、工具调用、循环迭代。配合社区的 Agent Utils 工具库，开发者可以用极低成本复刻 Claude Code 式的智能代码助手。对于身处 Java 技术栈、又想拥抱 AI 浪潮的团队来说，Spring AI 2.0 无疑值得重点关注和投入。

从更宏观的视角来看，Spring AI 2.0 的 Agent 基座建设反映了整个 AI 应用开发领域的趋势：从简单的模型调用封装，向具备自主决策能力的智能体框架演进。这一演进在 Python 生态中已经通过 LangChain、CrewAI、AutoGen 等框架充分验证——LangChain 提供了灵活的链式编排和丰富的工具集成，CrewAI 专注于多 Agent 角色扮演和任务协作，AutoGen（微软开源）则擅长多 Agent 之间的对话式协作。而 Spring AI 2.0 则为 Java 企业级开发者打开了同等级别的可能性，使得大量依赖 Spring 生态的企业系统能够以最低迁移成本拥抱 Agent 时代。更重要的是，Spring AI 的企业级定位意味着它天然关注生产环境所需的可观测性、安全性和可维护性——这些在 Python 生态的快速迭代中往往被忽视，却是企业客户最关心的特性。