博客/AI Alibaba

AI Alibaba

Spring AI Alibaba 实战系列（100+ 篇）：Agent Framework 智能体开发、Graph 工作流编排，附完整示例与踩坑记录。

共 105 篇

在 Spring AI Alibaba Graph 中，流式输出通过以下方式工作：流式输出的层次结构 ┌─────────────────────────────────────────────────────────────────┐

Spring AI Alibaba Graph 内置了对流式处理的原生支持，框架统一是使用 Flux 来在框架中定义和传递流，与 Spring 生态的流式处理保持一致。以下是从 Graph 运行中流式返回输出的不同方式。 .stream()

Spring AI Alibaba Graph 具有内置的持久化层，通过检查点（Checkpointers）实现。当您使用检查点编译图时，检查点会在每个超级步骤（super-step）保存图状态的检查点。这些检查点保存到一个会话（threa

import com.alibaba.cloud.ai.graph.CompileConfig; import com.alibaba.cloud.ai.graph.CompiledGraph; import com.alibaba.clo

使用长期内存跨对话存储用户特定或应用程序特定的数据。 Spring AI Alibaba 借助 Store 组件来实现记忆的写入或读取管理。Store 是一个抽象接口，可以有不同的实现（如 MemoryStore、RedisStore 等）

AI 应用程序需要支持在同一轮会话的多条消息间共享上下文，或者在不同的会话场景先共享上下文。在 Spring AI Alibaba Graph 中，您可以添加两种类型的内存：添加短期内存作为智能体状态的一部分，支持与智能体进行多轮聊天对话

会话支持对多个不同运行进行检查点，这对于多租户聊天应用程序和其他需要维护独立状态的场景至关重要。会话是分配给 checkpointer 保存的一系列检查点的唯一 ID。使用 checkpointer 时，必须在运行图时指定 thread_i

在图执行期间，状态需要被序列化（主要用于克隆目的），同时也为跨不同执行持久化状态提供能力。Spring AI Alibaba 目前提供了 Jackson、JDK 两种序列化策略实现。默认使用 Jackson 实现。在序列化过程中，重点关注

Spring AI Alibaba Graph 将智能体工作流建模为图。您可以使用三个关键组件来定义智能体的行为： State：共享的数据结构，表示应用程序的当前快照。它由 OverAllState 对象表示。Nodes：一个函数式接口 (

现在我们将节点连接成一个可工作的图。由于我们的节点处理自己的路由决策，我们只需要一些基本的边。要启用人工介入（human-in-the-loop）功能，我们需要使用 checkpointer 编译以在运行之间保存状态： import co