Spring AI Alibaba 35｜人工介入
人工介入（HITL）Hook 允许你为 Agent 工具调用添加人工监督。当模型提出需要审查的操作时——例如写入文件或执行 SQL——Hook 可以暂停执行并等待人工决策。 它通过检查每个工具调用并与可配置的策略进行比对来实现。如果需要人工
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。
Spring AI Alibaba 34｜上下文工程 · 生命周期上下文（Lifecycle Context）
使用 Hook 在 Agent 生命周期的不同阶段执行操作。 Hook 位置 Spring AI Alibaba 支持以下 Hook 位置： BEFORE_AGENT – Agent 开始之前AFTER_AGENT – Agent 完成之后
Spring AI Alibaba 33｜上下文工程 · 模型上下文（Model Context）：响应格式（Response Format）
使用结构化输出控制模型响应格式。 // 在Agent级别设置输出格式 ReactAgent agent = ReactAgent.builder() .name(“structured_agent”) .model(chatModel) .
Spring AI Alibaba 32｜上下文工程 · 模型上下文（Model Context）：系统提示（System Prompt）
构建 Agent 的难点在于使其足够可靠、效果足够好。虽然我们可以很容易写一个 Agent 示例，但要做一个能在生产环境中稳定使用、能解决实际问题的 Agent 并不容易。 为什么 Agent 会失败？ 当 Agent 失败时，通常是因为
Spring AI Alibaba 31｜Structured Output 结构化输出 · 错误处理
模型可能不总是返回格式完美的 JSON。以下是处理潜在问题的策略: Try-Catch 模式 ReactAgent agent = ReactAgent.builder() .name(“data_extractor”) .model(ch
Spring AI Alibaba 30｜Structured Output 结构化输出 · 输出 Schema 策略
结构化输出允许 Agent 以特定的、可预测的格式返回数据。相比于解析自然语言响应，您可以直接获得 JSON 对象或 Java POJO 形式的结构化数据，应用程序可以直接使用。 Spring AI Alibaba 的 ReactAgent
Spring AI Alibaba 29｜Skills 技能 · 在 Agent 中使用 Skills
Skills 是可复用的指令与上下文包，智能体在相关任务时会自动发现并使用。通过 SkillRegistry 管理技能、SkillsAgentHook 注册 read_skill 工具并注入技能列表到系统提示，模型在需要时调用 read_s
Spring AI Alibaba 28｜Hooks 与 Interceptors · 实际示例
示例 1：内容审核 Interceptor public class ContentModerationInterceptor extends ModelInterceptor { private static final List<
Spring AI Alibaba 27｜Hooks 与 Interceptors · 自定义 Hooks 和 Interceptors：使用 RunnableConfig 跨调用共享数据
RunnableConfig 提供了一个 context() 方法，允许你在同一个执行流程中的多个 Hook 调用、多轮模型或工具调用之间共享数据。这对于实现计数器、累积统计信息或跨多次调用维护状态非常有用。 适用场景： 跟踪模型或工具调用
Spring AI Alibaba 26｜Hooks 与 Interceptors · 自定义 Hooks 和 Interceptors：ModelInterceptor
拦截和修改模型请求和响应： import com.alibaba.cloud.ai.graph.agent.interceptor.ModelInterceptor; import com.alibaba.cloud.ai.graph.ag