lxsy-优快云博客

原创 spring-ai-alibaba 之 graph 槽点

本文分析了spring-ai-alibaba-graph-core框架在函数式编程实现上的问题。作者指出该框架直接移植Python的langgraph设计，过度使用函数式编程而忽视了Java的面向对象特性，导致代码结构复杂且不符合Java开发习惯。具体表现为：1）需要多层封装来模拟Python的函数特性；2）滥用CompletableFuture却未真正实现异步；3）缺乏统一的抽象模型；4）调用链过深且钩子函数隐蔽。作者建议采用更具Java特色的接口设计，并提出简化异步处理的方案。文章认为当前实现增加了理解

2025-08-03 21:29:05 459

原创 spring-ai-alibaba 学习（二十一）——graph源码流程梳理

本文概述了图计算流程的三个主要阶段：1）定义图结构；2）编译图（包含节点合法性验证、子图处理、并行节点合并等）；3）执行图流程。执行阶段通过Java Stream API实现自动迭代，核心逻辑位于AsyncNodeGenerator.next方法，该方法处理开始/结束节点逻辑、中断判断及业务节点执行。关键调用路径展示了从CompiledGraph.invoke到最终业务逻辑执行的完整链路。整个流程实现了图的自动化执行和状态管理。

2025-08-03 13:00:00 415

原创 spring-ai-alibaba 学习（二十）——graph之检查点

本文介绍了graph中的检查点机制，相当于执行进度的存档点。检查点包含ID、节点信息及全局状态，用于恢复执行进度。系统通过threadId区分不同会话的检查点，支持多种存档器实现（内存、文件系统、数据库等）。以MemorySaver为例，其内部使用链表存储检查点，提供保存、获取等基本操作。检查点机制使得graph可以在任意节点中断后继续执行，确保了流程的可靠性和可恢复性。

2025-08-03 08:34:51 838

原创 spring-ai-alibaba 学习（十九）——graph之条件边、并行节点、子图节点

本文介绍了Spring AI Alibaba Graph中的特殊边和节点设计。条件边使用addConditionalEdges方法实现，通过mappings参数映射不同条件结果到目标节点，替代了传统流程图的判定节点设计。并行执行通过ParallelNode实现，自动将同一节点的多个后续节点组合为并行节点，要求并行节点的后续节点必须相同且不能是条件边。子图功能通过addNode方法嵌入，编译时会自动处理节点连接和ID命名空间，但不支持子图以并行节点开始或连接并行节点。

2025-08-02 15:00:00 727

原创 spring-ai-alibaba 接入秘塔AI搜索

摘要：秘塔AI搜索推出API功能，支持通过HTTP接口访问。spring-ai-alibaba已添加对应工具包，即将发布的1.0.0.3版本可通过三步引入：添加依赖、配置API密钥、代码调用。该API支持多模态搜索（网页/文库/学术等）。此外，秘塔MCP也已上线，但目前未发现与带鉴权的MCP连接方法，欢迎开发者提供相关信息。

2025-08-02 10:30:00 224

原创 spring-ai-alibaba 学习（十八）——graph进阶

本文补充了Spring AI Alibaba中Graph流程图的初始化和参数设置细节。初始化方面，介绍了1.0.0.3版本推荐的KeyStrategyFactory替代方案，用于指定全局状态参数的更新策略，包括ReplaceStrategy和AppendStrategy两种实现。参数设置部分，详细说明了编译图时的可选CompileConfig参数（含SaverConfig、生命周期监听器等）和执行图时的RunnableConfig参数（含threadId等），并解释了这些参数在流程图运行过程中的作用机制。

2025-08-02 06:16:49 967 1

原创 spring-ai-alibaba 1.0.0.2 学习（十七）——初识graph

本文介绍了Spring-AI-Alibaba中的Graph模块，这是一个基于有向状态图的工作流编排框架。主要内容包括：1）Graph模块的核心概念（图、节点、边、状态）；2）开发中遇到的文档不完整、代码层次不清等困难；3）通过简单示例演示了StateGraph的创建和使用流程；4）详细解析了核心类StateGraph、CompiledGraph及节点、边相关接口的设计。该模块借鉴了LangGraph思想，虽然目前尚不成熟，但为AI工作流编排提供了基础框架，开发者可通过实现NodeAction等接口自定义流程

2025-07-24 10:21:30 679

原创 spring-ai-alibaba 学习资料集合

本文介绍了Spring AI及其Alibaba扩展的相关资源。Spring AI是AI工程应用框架（源码：spring-projects/spring-ai），Spring AI Alibaba是其Java扩展（官网/源码：alibaba/spring-ai-alibaba）。学习建议分两步：先掌握Spring AI（基础框架），再学习Spring AI Alibaba（扩展应用）。实践路径为：官网了解基础→示例代码练习→源码研究→代码贡献。特别指出示例代码比官网更新及时，是掌握新功能的关键。

2025-07-22 11:00:16 187

原创 spring-ai-alibaba 迭代字符分割器

摘要： spring-ai-alibaba新增了RecursiveCharacterTextSplitter文本分割器，通过维护分隔符列表（如中文标点符号）进行迭代分割，比原有TokenTextSplitter更符合中文语义完整性。该分割器优先按指定分隔符（如句号、问号等）分段，若文本仍过大则继续使用下一级分隔符，最后按固定大小分割。默认支持中文标点分割，调用方式简单，但需注意该功能暂未正式发布（版本需>1.0.0.2），需自行编译或等待更新。

2025-07-20 21:51:34 543

原创 spring-ai-alibaba如何上传文件并解析

摘要：本文介绍了如何通过API实现大模型对文档文件的解析功能。针对文字版PDF，阿里云qwen-long系列大模型提供直接上传文件的解决方案，支持多种文本和图片格式。文章详细说明了使用spring-ai-alibaba中的DashScopeDocumentAnalysisAdvisor工具类实现文件上传和对话处理的代码示例，该工具类可自动处理文件上传并将文件信息加入对话上下文，简化了开发流程。目前该功能暂未发布到中央仓库，需自行编译或等待新版本。

2025-07-20 18:50:24 798

原创架构师职责浅谈

本文揭示了架构师职责的三个认知阶段：从最初简单技术选型的误解，到发现需考虑需求、性能等多维度的复杂决策，最终提炼为两大核心职责——技术选型（含完整技术方案）和模块划分（需求解决方案）。作者以AI技术引入为例，展示了架构师需要综合权衡技术、人力、成本等要素的决策过程，并指出模块划分同样面临微服务设计等复杂考量。文章强调架构师是需全方位综合能力的特殊技术岗位，其职责范围与个人能力和积累密切相关，可能涉及项目管理、团队协调等多重角色，实际职责可随项目需求灵活伸缩。

2025-07-18 10:11:14 387

原创 spring-ai-alibaba 简化版NL2SQL

摘要：文章介绍了一个简化版的自然语言转SQL(nl2sql)工具设计方案。该工具通过模块化组件实现可扩展性，包括表结构检索器、查询转换器、信息增强器等接口。核心流程为：用户输入查询→检索相关表结构→调用大模型生成SQL。提供了两种调用方式：简单调用只需传入基础参数，复杂调用可自定义各处理环节。工具类实现了完整的处理链路，包括查询转换、信息检索、结果后处理等步骤，同时保留了各环节的扩展点，用户可根据需求实现特定组件。该设计在保持实用性的同时提供了足够的灵活性。

2025-07-16 17:10:27 910

原创 spring-ai-alibaba 多模态之音频

摘要：新增了对音频文件（如MP3）的支持，使用需注意：1）在UserMessage metadata中设置AUDIO格式；2）选用支持音频的多模态模型（如qwen-audio-turbo-latest）；3）开启withMultiModel(true)开关。目前该功能尚未正式发布，需使用1.0.0.3-SNAPSHOT版本或自行打包。调用时需按指定格式构建Media对象和消息结构。

2025-07-15 20:56:43 181

原创 spring-ai-alibaba 接入腾讯地图查询天气

摘要：spring-ai-alibaba新增腾讯地图工具包，支持三步快速实现天气查询：1)添加依赖；2)配置API key；3)代码调用。如需扩展其他地图功能，提供两种方案：1)自定义Function服务；2)通过MCP调用腾讯地图服务（需配置SSE连接）。当前工具包仅包含天气查询功能，需从主干分支自行构建或等待1.0.0.2+版本发布。MCP方案同样分三步实现，支持更灵活的服务调用。

2025-07-14 17:42:43 332

原创 spring-ai-alibaba 接入Tushare查询股票行情

Spring AI Alibaba新增Tushare支持，使用只需三步：添加依赖、配置token、调用接口。默认支持查询股票日行情，如需扩展其他接口，可自定义Service类实现Function接口。通过修改Request字段、请求参数和接口名称，即可灵活调用Tushare其他API。该功能目前仍在主干分支，需等待后续版本正式发布。

2025-07-14 14:55:45 366

原创 spring-ai-alibaba 1.0.0.2 学习（十六）——多模态

摘要：使用spring-ai-alibaba多模态功能时，需注意：1.调用方式需调整，使用多模态模型（如qwen-vl-max）并开启withMultiModel(true)开关；2.不同模型支持的多模态格式不同（如DashScope支持视频/图片，ZhiPu仅支持图片。

2025-07-13 22:10:49 593

原创 spring-ai-alibaba 记录第一次代码贡献

本文记录了首次为开源项目spring-ai-alibaba贡献代码的全过程。首先介绍了准备工作，包括阅读代码、了解贡献要求和选择开发内容（建议从标记为"help wanted"的issue或熟悉领域入手）。作者选择基于腾讯地图实现天气查询功能进行贡献。具体实施阶段包括：fork代码库、本地修改、单元测试、格式检查、提交到个人仓库并创建Pull Request。最后强调了代码规范检查和提交命名要求，并分享了成功将代码合并到主分支的经验。

2025-07-12 22:55:07 430

原创 spring-ai-alibaba 1.0.0.2 学习（十五）——自然语言生成sql

摘要：本文探讨了应用开发中动态查询需求的挑战，介绍了Spring AI Alibaba的NL2SQL解决方案。该技术通过自然语言处理将用户输入转换为SQL查询，无需用户具备SQL知识。文章分析了其实现原理（类似RAG架构），包含数据预处理、查询转换等流程。同时指出了当前实现存在的代码结构问题（如重复功能、命名冲突），并提出了优化建议：采用Advisor模式解耦核心逻辑、分离配置模块、支持多数据库适配等。最后建议通过接口抽象实现与具体技术的解耦，提升框架的扩展性和灵活性。

2025-07-07 15:35:21 1006

原创 spring-ai-alibaba 1.0.0.2 学习（十四）——提示词动态管理

本文介绍了两种动态管理AI提示词的方案：1. 使用数据库存储提示词；2.通过Nacos配置中心管理。重点阐述了Nacos方案的具体实现步骤：添加依赖、配置Nacos服务、在应用中设置连接参数，以及代码调用方法。文中详细说明了如何通过ConfigurablePromptTemplateFactory实现提示词的动态更新机制，并分析了相关接口和实现类的工作原理。最后提出Nacos能否用于管理大模型参数的思考，指出参数更新未生效的问题有待解决。该方案避免了频繁打包部署，实现了提示词的动态管理。

2025-07-06 15:37:06 1073

原创 spring-ai-alibaba 1.0.0.2 学习（十三）——重排序模型

Spring AI 0.8.0移除了DocumentRanker接口，改为通过DocumentPostProcessor实现重排序。spring-ai-alibaba提供了开箱即用的RetrievalRerankAdvisor方案，需配置开启自动装配(1.0.0.2版本存在配置问题需手动修复)。该方案通过VectorStore检索文档后，使用RerankModel进行重排序和过滤，核心包含RetrievalRerankAdvisor(增强调用流程)、RerankModel(重排序接口)及DashScopeR

2025-07-06 07:44:06 1195 1

原创 spring-ai-alibaba 1.0.0.2 学习（十二）——聊天记忆扩展包

Spring-AI和Spring-AI-Alibaba都提供了JDBC扩展实现ChatMemoryRepository接口，主要区别在于：1) 支持数据库不同，Spring-AI支持HSQL等4种，Alibaba版支持MySQL等5种；2) 实现方式不同，Spring-AI采用组合模式+Dialect，Alibaba版使用抽象类+子类继承；3) Alibaba版会自动建表。使用MySQL时，需添加依赖、配置连接信息，并通过MessageWi

2025-07-05 23:08:30 592 2

原创 spring-ai-alibaba 1.0.0.2 学习（十一）——向量存储扩展包

摘要：Spring AI-Alibaba新增了四种阿里云向量存储（AnalyticDB、OceanBase、OpenSearch、Tair），以OceanBase为例展示了接入流程：1)添加依赖；2)配置数据库连接；3)通过@Autowired注入OceanBaseVectorStore调用add()和similaritySearch()方法。其实现包含配置属性类、自动装配类等核心组件，存储时先向量化文档再入库，查询时通过内置函数计算向量相似度。该扩展弥补了Spring AI对国内云存储支持不足的问题。

2025-07-05 12:30:29 846

原创 spring-ai-alibaba 1.0.0.2 学习（十）——各种工具调用方式对比

本文梳理了Spring AI生态中各类工具调用机制的关系。首先区分了FunctionCallback（1.0.0前）和ToolCallback（1.0.0后）的概念，并说明FunctionToolCallback和MethodToolCallback都是ToolCallback的实现类。接着对比了ToolCallback与MCP的异同，指出MCP被封装为ToolCallback的另一种实现，但采用动态Schema。然后分析spring-ai-alibaba扩展的tool-calling包与MCP的区别，前者

2025-07-04 22:12:19 672

原创 spring-ai-alibaba 1.0.0.2 学习（九）——集成阿里云百炼智能体

摘要：本文介绍了智能体在Spring AI Alibaba中的应用。智能体是一种集成了大模型、提示词、知识库、工具调用和记忆的成熟AI应用，可通过阿里云百炼平台配置并调用。文章展示了智能体的简单调用方法，只需配置应用ID并使用DashScopeAgent的call方法即可。其内部实现主要依靠DashScopeAgent和DashscopeAgentApi完成请求封装、云端通信和结果解析。相比单独集成外部工具，智能体提供了更便捷的解决方案，将复杂流程封装在云端实现。

2025-07-04 17:32:40 419

原创 spring-ai-alibaba 1.0.0.2 学习（八）——接入阿里云信息查询服务

本文介绍了如何在Spring AI项目中集成阿里云信息查询服务(IQS)实现公开文档检索。相比私有知识库方案，IQS无需预先搭建知识库，直接通过云端API检索公开文档。文章详细说明了实现步骤：1)引入阿里云IQS SDK依赖；2)申请API权限并配置密钥；3)通过自定义DocumentRetriever接口封装检索逻辑，包括初始化客户端、构建搜索请求和处理返回结果。该方法简化了文档检索流程，适合需要直接查询公开信息的场景，可作为私有知识库的替代方案。

2025-07-03 20:52:07 400

原创 spring-ai-alibaba 1.0.0.2 学习（七）——集成阿里云百炼平台知识库

摘要：阿里云百炼平台提供云端知识库功能，可通过spring-ai-alibaba直接使用。实现RAG数据存储流程分为三步：1)读取本地文档；2)进行文档切分；3)将文档存储到云端向量库。检索时利用DocumentRetrievalAdvisor封装检索逻辑。

2025-07-03 18:40:48 1477

原创 spring-ai-alibaba 1.0.0.2 学习（六）——DocumentReader与DocumentParser

Spring AI Alibaba提供了多种文档读取工具包，支持从语雀、飞书、Notion等平台读取文档。以Bilibili读取为例，只需三步：引入依赖、配置（部分平台免配置）、调用代码。其架构设计将文档平台接入与格式解析分离，通过DocumentReader接口处理平台访问，DocumentParser接口处理格式转换，实现了解耦和代码复用。这种设计允许不同平台共享相同格式解析器，也支持同一平台处理多种文档格式。

2025-07-02 10:21:20 1148

原创 spring-ai-alibaba 1.0.0.2 学习（五）——集成外部工具（以高德地图为例）

摘要：Spring-AI-Alibaba工具集成简明教程，以高德天气服务为例。只需三步：1)引入starter工具包；2)申请API Key并配置；3)通过toolNames调用。核心原理是将工具封装为Function接口实现，包含自动配置、属性加载和服务实现类。开发者可参考此模式轻松接入其他外部工具，源码结构清晰，主要逻辑集中在Function接口的apply方法实现和API调用。

2025-07-01 14:33:53 1103

原创 spring-ai-alibaba 1.0.0.2 学习（四）——语句切分器、文档检索拦截器

本文对比了spring-ai-alibaba的文本切分工具：SentenceSplitter和原生TokenTextSplitter的区别。TokenTextSplitter仅支持英文分隔符，不适合中文处理；而SentenceSplitter基于OpenNLP模型，能更准确识别中文语句。DocumentRetrievalAdvisor作为VectorStore的上层封装，提供了更灵活的检索功能，允许在检索前后添加自定义操作。

2025-06-30 14:27:04 554

原创 spring-ai-alibaba 1.0.0.2 学习（三）——配置

本文介绍了在Spring-AI-Alibaba中配置大模型的三种方法及其优先级：1)通过配置文件自动装配；2)创建ChatClient时配置；3)调用时实时配置。详细说明了如何查找具体配置项的方法，包括查看Options类、spring-configuration-metadata.json文件以及跟踪自动配置类。同时指出了当前文档不足和API-key配置方面存在的问题，如需要全局配置api-key以及某些模型即使禁用仍需配置api-key等限制。

2025-06-29 21:53:14 1093

原创 spring-ai-alibaba 1.0.0.2 学习（二）——jar包盘点

Spring AI Alibaba 提供丰富的组件包，主要分为：核心包（core、starter-dashscope）、工具调用包（翻译、搜索、地图等20+功能）、文档读取包（B站、GitHub、邮件等20+数据源）、文档解析包（PDF、Markdown等格式处理）、自动化配置包、Nacos相关包、数据存储包（AnalyticDB、OceanBase等）、聊天记忆包及其他功能包。建议使用前查看官方物料清单（BOM）确保版本兼容性，详细组件列表和使用指南可参考阿里云官方文档。

2025-06-29 12:14:00 1014

原创 spring-ai-alibaba 1.0.0.2 学习（一）——概述

SpringAIAlibaba是基于SpringAI框架的扩展，深度集成阿里百炼平台，提供ChatBot、工作流和多智能体开发能力的企业级AI框架。它需要Java17+、SpringAI1.0.0和SpringAIAlibaba1.0.0.2版本支持，通过starter依赖和API密钥即可快速集成。该框架扩展了语义切分、提示词管理、数据存储等功能，并集成了百炼知识库、智能体等阿里云服务，定位为AI智能体开发的高级框架，类比Spring对JDK的扩展作用。后续将重点学习其核心组件和工具集成能力。

2025-06-29 11:33:46 849

原创 spring-ai-alibaba DashScopeCloudStore自动装配问题

摘要：使用spring-ai-alibaba 1.0.0.2版本时，DashScopeCloudStore无法自动装配，原因是相应Bean未提供。该问题在1.0.0-M6.1版本已被报告但未修复。临时解决方案是手动创建DashScopeCloudStore实例。建议官方提供DashScopeApi的自动装配支持，以简化DashScopeCloudStore的创建过程。当前需通过构造方法直接实例化，并传入API Key和知识库名称等参数。

2025-06-28 23:02:46 325

原创 spring-ai 1.0.0 学习（十八）——MCP Server

本文介绍了如何将Spring服务发布为外部工具供调用。主要步骤包括：1）引入spring-ai相关依赖；2）配置application文件定义服务器信息；3）用@Tool注解标记服务方法，并通过ToolCallbackProvider注册。文章还简要说明了HTTP模式下的内部原理：通过McpServerProperties配置创建服务器组件，McpSyncServer处理各类请求，WebMvcSseServerTransportProvider管理会话。

2025-06-27 17:59:38 476

原创 spring-ai 1.0.0 学习（十七）——MCP Client

摘要：文章介绍了Spring-AI的MCP（模型上下文协议）功能，该协议用于调用外部工具（如高德地图、百度搜索等）。通过MCPClient实现外部调用，需引入spring-ai-starter-mcp-client或webflux包，并在配置文件中添加设置。使用时通过ToolCallbackProvider将配置传递给大模型。文章还简述了基于SSE的Http内部实现流程，包括配置加载、通信传输、客户端初始化等步骤，最终将工具定义发送给大模型处理。（149字）

2025-06-27 16:13:57 716

原创 spring-ai 1.0.0 学习（十六）——知识库实战

本文介绍了基于Spring-AI的知识库实战应用。知识库本质上是通过RAG流程将本地知识向量化后存储到向量数据库，再通过问答系统查询。文章总结了知识库涉及的关键技术：向量数据库、数据预处理（DocumentReader/Transformer/Writer）和检索生成（QuestionAnswerAdvisor）。在实施步骤上，需要选择文档加载器（支持多种格式）、向量数据库和嵌入式模型，并介绍了代码实现方案，包括pom依赖配置、application.yml设置以及核心的检索生成和数据预处理代码。最终通过R

2025-06-26 14:31:43 778

原创 spring-ai 1.0.0 学习（十五）——RAG

摘要：Spring-AI中的RAG（检索增强生成）技术通过外挂知识库解决大模型知识局限性问题。其流程分为数据预处理（文档加载、切分、向量化、存储）、检索（向量相似性查找）和生成（结合检索结果生成回答）三个阶段。Spring-AI提供两种实现方式：简单的QuestionAnswerAdvisor和可定制化的RetrievalAugmentationAdvisor，后者支持对各环节（查询转换、文档检索等）进行优化。优化方案包括改进文档切分方式、测试不同嵌入模型、采用分层检索、结果重排序等，以提升回答质量。

2025-06-25 14:59:12 1007

空空如也

空空如也