两个框架，一个生态

2026 年，Java AI 开发生态最核心的两个框架是 Spring AI 和 Spring AI Alibaba。很多人听到名字以为后者是前者的”阿里版封装”，但实际关系比这复杂。

Spring AI 2.0：2026 年 6 月 12 日发布 GA，基于 Spring Boot 4.1 和 Spring Framework 7.0。官方定位是”连接企业数据和 API 与 AI 模型”——让 LLM 像 JDBC、JMS 那样成为企业系统里一个可插拔的中间件。

Spring AI Alibaba 1.1.2.0：基于 Spring AI 规范构建，但聚焦于多智能体编排（Multi-Agent Orchestration）。内置 Agent 框架、Graph 工作流引擎、MCP 双端支持。

通俗类比：Spring AI 是 Java 的 LangChain（怎么接入 AI），Spring AI Alibaba 是 Java 的 LangGraph（怎么让多个 AI 协同工作）。两者不是竞争关系，是互补关系。

架构层次对比

1
2
3
4
5
6
7
8
9
10
应用层：
  ┌─────────────────────────────┐
  │  Spring AI Alibaba          │  ← Agent 框架、Graph 引擎、Multi-agent
  │  (Spring AI Alibaba Graph)  │
  ├─────────────────────────────┤
  │  Spring AI                  │  ← Chat/Embedding/VectorStore/Tool
  │  (模型调用、向量存储、工具)    │
  ├─────────────────────────────┤
  │  Spring Boot                │  ← 基础框架
  └─────────────────────────────┘

Spring AI 提供底层原子能力：调用 LLM、存储向量、定义 Tool。Spring AI Alibaba 在此基础上提供编排能力：用 Graph 编排多个步骤、用 Agent 框架管理智能体。

什么时候只用 Spring AI？

如果你的场景是：

  • 调用 LLM 做文本生成、摘要、翻译
  • 搭建简单的 RAG（文档检索 → LLM 回答）
  • 把 AI 能力嵌入现有业务逻辑（比如自动生成商品描述）

那 Spring AI 就够。它提供 ChatClient、EmbeddingModel、VectorStore 这些你需要的全部抽象，不用引入 Agent 框架的额外复杂度。

1
2
3
4
5
6
7
8
9
10
11
// 简单的 Spring AI 调用
@RestController
class ChatController {
    @Autowired
    private ChatClient chatClient;

    @GetMapping("/chat")
    public String chat(@RequestParam String question) {
        return chatClient.prompt().user(question).call().content();
    }
}

什么时候需要 Spring AI Alibaba？

如果你的场景是：

  • 需要多个步骤串联的 AI 工作流（搜索 → 分析 → 生成）
  • 需要多个 Agent 协作（一个搜索 Agent + 一个分析 Agent）
  • 需要 Agent 调用多个 Tool（查数据库 + 调 API + 写文件）

那就需要 Spring AI Alibaba 的 Graph 了：

1
2
3
4
5
6
7
8
9
10
11
12
var graph = new StateGraph("agent_workflow")
    .addNode("analyze_intent", intentNode)
    .addNode("search_knowledge", searchNode)
    .addNode("call_api", apiNode)
    .addNode("generate_response", responseNode)
    .addConditionalEdge("analyze_intent", Map.of(
        "search", "search_knowledge",
        "api", "call_api"
    ))
    .addEdge("search_knowledge", "generate_response")
    .addEdge("call_api", "generate_response")
    .compile();

另外，Spring AI Alibaba 的 Agent Skills 机制也值得关注：可以把一组相关的 Tool + 指令打包成”技能”，Agent 按需加载，降低 token 消耗。

实际选型建议

场景 推荐
简单 LLM 调用 Spring AI
RAG（检索增强生成） Spring AI
单 Agent + 多个 Tool Spring AI + @Tool 注解
多步骤 AI 工作流 Spring AI Alibaba Graph
多 Agent 协作 Spring AI Alibaba
国内模型（通义千问等） Spring AI Alibaba（内置 DashScope）

两者的关系更像是：Spring AI 是所有 Java AI 开发的基础，Spring AI Alibaba 是基于这个基础的企业级 Agent 框架。 你可以只用 Spring AI，也可以在 Spring AI 之上用 Spring AI Alibaba 的 Graph 和 Agent。它们共享同一个 ChatClient/EmbeddingModel 抽象，切换和学习成本很低。

意味着什么

  1. Java AI 生态正在分层。 底层是模型接入（Spring AI），上层是智能体编排（Spring AI Alibaba Graph）。这和 Python 生态的 LangChain → LangGraph 路径一致。
  2. “只是个封装”的时代过去了。 Spring AI Alibaba 的 Agent Skills、Multi-agent 并行执行这些能力，说明 Java 生态的 AI 框架已经不是简单套壳，而是在做真正的工程创新。
  3. 选框架的核心判断是：你需要多 Agent 协作吗？ 不需要 → Spring AI 够用。需要 → Spring AI Alibaba Graph。不需要的时候引入 Graph 是过度工程化。

一句话：Spring AI 管”怎么调模型”，Spring AI Alibaba 管”怎么让多个模型协同干活”。先搞清楚你站在哪一层。