此页面或文档已过期，请点击链接跳转到新页面。

什么是 Spring AI Alibaba Graph

此页面或文档已过期，请点击链接跳转到新页面。

Graph 模块文档持续更新中，请关注文档发布进展

Spring AI Alibaba Graph 是社区核心实现之一，也是整个框架在设计理念上区别于 Spring AI 只做底层原子抽象的地方，Spring AI Alibaba 期望帮助开发者更容易的构建智能体应用。基于 Graph 开发者可以构建工作流、多智能体应用。Spring AI Alibaba Graph 在设计理念上借鉴 Langgraph，因此在一定程度上可以理解为是 Java 版的 Langgraph 实现，社区在此基础上增加了大量预置 Node、简化了 State 定义过程等，让开发者更容易编写对等低代码平台的工作流、多智能体等。

Graph 速览

框架核心概念包括：StateGraph（状态图，用于定义节点和边）、Node（节点，封装具体操作或模型调用）、Edge（边，表示节点间的跳转关系）以及 OverAllState（全局状态，贯穿流程共享数据）。这些设计使开发者能够方便地管理工作流中的状态和逻辑流转。

以下代码片段是使用 Graph 开发的一个多智能体架构示例（摘自 Spring AI Alibaba DeepResearch 实际实现）：

StateGraph stateGraph = new StateGraph("deep research", keyStrategyFactory,
        new DeepResearchStateSerializer(OverAllState::new))
      .addNode("coordinator", node_async(new CoordinatorNode(chatClientBuilder)))
      .addNode("background_investigator", node_async(new BackgroundInvestigationNode(tavilySearchService)))
      .addNode("planner", node_async((new PlannerNode(chatClientBuilder))))
      .addNode("human_feedback", node_async(new HumanFeedbackNode()))
      .addNode("research_team", node_async(new ResearchTeamNode()))
      .addNode("researcher", node_async(new ResearcherNode(researchAgent)))
      .addNode("coder", node_async(new CoderNode(coderAgent)))
      .addNode("reporter", node_async((new ReporterNode(chatClientBuilder))))

      .addEdge(START, "coordinator")
      .addConditionalEdges("coordinator", edge_async(new CoordinatorDispatcher()),
          Map.of("background_investigator", "background_investigator", "planner", "planner", END, END))
      .addEdge("background_investigator", "planner")
      .addConditionalEdges("planner", edge_async(new PlannerDispatcher()),
          Map.of("reporter", "reporter", "human_feedback", "human_feedback", "planner", "planner",
              "research_team", "research_team", END, END))
      .addConditionalEdges("human_feedback", edge_async(new HumanFeedbackDispatcher()),
          Map.of("planner", "planner", "research_team", "research_team", END, END))
      .addConditionalEdges("research_team", edge_async(new ResearchTeamDispatcher()),
          Map.of("reporter", "reporter", "researcher", "researcher", "coder", "coder"))
      .addConditionalEdges("researcher", edge_async(new ResearcherDispatcher()),
          Map.of("research_team", "research_team"))
      .addConditionalEdges("coder", edge_async(new CoderDispatcher()), Map.of("research_team", "research_team"))
      .addEdge("reporter", END);

核心功能

支持 Multi-agent，内置 ReAct Agent、Supervisor 等常规智能体模式
支持工作流，内置工作流节点，与主流低代码平台对齐
原生支持 Streaming
Human-in-the-loop，通过人类确认节点，支持修改状态、恢复执行
支持记忆与持久存储
支持流程快照
支持嵌套分支、并行分支
PlantUML、Mermaid 可视化导出