javaqilong的专栏

节点“慢”分三类：同步阻塞（应避免）、未完成Future、流式生成器（AsyncGenerator），后者可提前推送chunk。stream()返回可取消的AsyncGenerator.Cancellable，chunk来自流式节点内嵌的StreamingOutput，结束帧合并状态。

基于LangGraph4j构建Agent与工具的循环调用结构，通过needTool状态控制条件边跳转，实现ReACT风格的多轮推理。使用rounds限制业务轮次，recursionLimit（默认25）防止无限迭代。轨迹显示2轮工具共5次节点执行，验证了环形拓扑与退出逻辑。强调条件边仅读状态、不解析文本，需确保映射表包含所有返回键，避免超限异常。推荐先用stream调试轨迹，再接入真实模型，确保环路可控、退出明确。

跑通 AI 图：CompiledGraph 的 compile、invoke、stream

基于LangGraph4j，实现一个意图三路分支的StateGraph拓扑图。通过定义状态结构（RouteState），使用addNode添加分类、FAQ、订单、兜底等节点，以addEdge构建直线流程，再用addConditionalEdges实现按意图（faq/order/unknown）的条件路由。

LangGraph4j中，通过Channel定义状态键的合并策略：base覆盖、appender追加（可去重）。节点返回部分更新的Map，由AgentState.updateState按Schema中的Channel规则合并。

通过StateGraph定义状态与节点，greet节点返回greeting和logs，利用Channels.base与appenderWithDuplicate实现合并逻辑。输入含name，输出获取最终greeting。

相比SpringAI聚焦模型与工具调用，LangGraph4j专注流程控制，适用于审批、并行、子图、断点续跑等场景。上图前提：需求涉及多分支、循环或需状态持久化；否则优先稳住SpringAI主链。

基于SpringAI 2.0，系统梳理AI服务上线必备四关：观测（通过Observation+Micrometer聚合指标，脱敏处理敏感数据）、重试与限流（配置合理退避策略，应用层设配额与降级文案）、密钥与鉴权（密钥隔离、Prompt防护、工具调用强制鉴权）、成本与审计（按模型/工具记账，保留摘要日志，发布清单闭环）。强调全程脱敏，关键指标聚焦低基数标签，确保可观测性、稳定性与安全性，达成可生产上线标准。

用 entity(...) 把模型输出变成 Java 对象；用 stream() 推出 token，接到 SSE，并旁路拼完整文本落库。 

本文基于SpringAI 2.0.1，探索知识图谱与向量RAG的差异与协同。

本文基于Spring AI 2.0.1，实现「文档进库→检索增强生成」最小闭环

在Spring AI的 MCP中，分清 Host / Server，选对 starter 与传输，用注解暴露工具，并把 MCP Tool 桥进 ChatClient。 

在Spring AI种，工具如何声明、如何挂到 ChatClient、运行时如何循环执行，以及工具很多时怎样用 Tool Search 做渐进披露。

弄清对话为什么要「记住」、记忆分几类，以及窗口、向量长期记忆、用户偏好表怎么接。

弄明白Spring AI中 ChatClient 上的 Advisor 链——契约、挂法、内置门牌、顺序语义，以及如何自定义。

弄清 ChatModel 与 ChatClient 的分工：call/stream 契约、Provider 选型，以及用 OpenAI Options 作标本覆盖连接、生成与工具旋钮；并说明多模型注入、兼容网关排查，以及何时该直接用薄调用。

Spring AI 2.0.1中，ChatClient是核心应用入口，通过Builder或注入prototype创建，支持默认值与单次请求覆盖。调用prompt()组装消息，call()/stream()同步或流式获取结果，entity()实现结构化输出，tools()注册工具。注意请求级tools整组覆盖默认，多轮记忆需Advisor，客户端本身无状态。

SpringAI 2.0.1中一次模型调用的数据形状由Message、Prompt、ChatOptions与ChatResponse构成。角色消息有System/User/Assistant/Tool，工具调用通过AssistantMessage的toolCalls与ToolResponseMessage衔接。Prompt打包消息与选项，ChatResponse读取文本、工具调用及Usage。

本文介绍了SpringAI 2.0.1与SpringBoot 4.x的快速入门：通过BOM管理版本，添加model-starter（如OpenAI或Ollama），配置API Key与模型参数，即可实现同步调用（ChatClient.call）和流式调用（Flux SSE）。同时提供最小配置示例、工程骨架、多模型区分、测试方法和常见问题排查，帮助开发者用最小成本跑通对话流程。

本文介绍SpringAI 2.0.1在SpringBoot 4.x下的应用框架，核心为三层结构（应用、抽象、提供商）和一次对话请求路径。业务通过ChatClient起步，借助Advisors实现记忆、RAG、工具等能力。

Java Agent开发选型：官方SpringAI管模型接入，LangGraph4j管可控编排（状态图、检查点、人工审批），相比SpringAI Alibaba更利于测试、排障和恢复。Alibaba适合快速上阿里云Agent平台；LangGraph4j适合需长期演进、流程透明的场景。

面向Java后端开发者的大模型集成实战系列：基于SpringAI 2.0.1与LangGraph4j 1.8.25，每日一篇，分享从“Demo能跑”到“可交付”的关键问题，包括对象模型、工具/记忆/RAG边界、流程编排、测试与观测，并提供源码级契约。