zhonghua881016的博客

Spring AI Alibaba DeepResearch项目是基于Spring AI Alibaba Graph组件构建的多智能体应用，支持用户意图识别、多轮对话、记忆功能等。系统包含11个协作节点，每个节点代表一个智能体，实现任务规划、信息检索、数据处理等功能。关键节点包括协调节点（识别任务类型）、重写扩展节点（优化查询）、研究团队节点（并行执行研究者与编码任务）和报告节点（整合结果）。项目采用多模型配置、提示词工程、LLM反思机制等技术，支持RAG专业知识库和可视化报告输出。通过Graph工作流实现

该项目基于Spring AI Alibaba Graph组件开发了一个多智能体应用，支持用户意图识别、多轮对话、记忆存储和敏感词过滤等功能。核心组件PlannerNode负责任务分解，通过上下文判断能否直接生成报告或需要拆分子任务。系统采用严格的上下文评估标准，要求信息全面覆盖主题、具备足够深度和数量。任务分为需要网络搜索的研究步骤（数据收集）和不需要搜索的数据处理步骤（分析计算）。项目通过历史背景、当前状态、未来预测和利益相关者四个维度确保信息收集的全面性，为生成高质量报告提供支持。 项目地址：https

该文介绍了基于Spring AI Alibaba Graph组件构建的多智能体应用DeepResearch。系统包含11个功能节点，如协调节点、重写扩展节点、背景调查节点等，支持意图识别、多轮对话、记忆功能和敏感词过滤。关键技术包括多模型配置、LLM反思机制、任务规划、RAG知识库等，可实现复杂任务分解和协同处理。项目将每个节点视为独立Agent，通过Graph图实现多智能体协作，支持任务分类、查询优化、数据分析和报告生成等完整工作流。

本文介绍了Agent模式及其核心组件，重点分析了ReAct框架的实现原理。在Spring AI Alibaba中，ReactAgent通过LlmNode和ToolNode两个关键节点构建循环执行机制，利用模型function call功能实现工具调用。使用时需注意：1) model client需禁用自动执行工具；2) 状态流转必须以"messages"为键；3) 通过消息追加实现节点间交互。核心think方法控制执行流程，模型根据上下文判断继续调用工具或终止任务。

Spring AI Alibaba Graph 是一个面向 Java 开发者的工作流和多智能体框架，吸收了python 框架langchain(spring ai alibaba是在Spring ai框架做的扩展，Spring ai也是吸收了langchain设计 )、langGraph(srping ai alibaba graph是它的一个java版，官网有说明)。Spring AI Alibaba Graph专门用于构建由多个 AI 模型或步骤组成的复杂应用 。

【摘要】本文深入解读了Spring AI Alibaba中的ReflectAgent源码，重点分析了其设计原理和使用场景。文章首先推荐读者参考官方文档了解底层设计，然后通过流程图展示了ReflectAgent的工作流程。作者提供了官方示例代码，包括AssistantGraphNode和JudgeGraphNode两个核心节点的实现，演示了如何构建LLM节点、设置系统提示模板以及处理状态流转。这种Agent特别适合写作辅助、自然语言转SQL等场景，能够实现内容生成与反馈评估的闭环处理。