← 课程目录 🚀 从零到一
📐 学习维度 阶段6 · 第23章 Spring AI / LangChain4j 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

23.5 走向Agentic:Spring AI 2.0与新范式

审校 2026-09-25 · 素材来源:深度文「SpringAI2.0」整理、L25-Agent模式与MCP协议
📑 本篇章节导航 (共7节,点击直达)
Agent 循环:ReAct多智能体与编排Spring AI 的演进方向落地清单:上 Agent 前问自己踩坑清单面试怎么问一句话总结

前四节的图景都是「一问一答加工具」:人发起、模型执行、单轮结束。Agentic AI(智能体化:让模型在循环中自主规划、调用工具、评估结果直到完成目标的范式)把模型从「答题器」升级成「办事员」:给一个目标,它自己拆任务、选工具、看结果、决定下一步。这一章讲清 Agent 的运行骨架,以及 Spring AI 沿 1.0 → 2.0 的演进方向——它正在把这些循环做成框架原生能力。

Agent 循环:ReAct

一切 Agent 的心跳是 ReAct(Reasoning + Acting:思考→行动→观察的循环):


Thought: 用户要查订单10086是否超时,我需要先查订单状态
Action:  queryOrder(orderId="10086")          → 你的代码执行
Observation: 状态=UNPAID, 下单时间=26小时前

Thought: 超过了24小时支付窗口,我需要查超时政策确认
Action:  searchPolicy("订单超时处理")           → 检索知识库
Observation: 超时未付订单自动关闭并通知用户

Thought: 信息齐了,可以回答了
Answer:  订单10086已超时未支付,系统将自动关闭……

对比 22.3 的单次 FC:FC 是「模型喊一次人」,Agent 是「模型在循环里连续喊人直到办完」。这个差别在产品上是代际的:单次 FC 的产品形态是「智能填表」,Agent 的产品形态是「数字员工」——前者人驱动一步模型做一步,后者给目标自己拆活。循环的三个工程件:终止条件(达成目标、步数上限、预算上限——三者缺一,Agent 就可能打转烧 token,22.5 的熔断课在这必须重修);反思(Reflexion:每步评估结果质量,不满意就修正重试,上限两三次);记忆(循环内的短期上下文 + 跨任务的长期记忆——23.2 两只手全用上)。四件组件齐活:LLM 是大脑、Tools 是手脚、Memory 是海马体、Planning 是前额叶。

多智能体与编排

单 Agent 工具一多就「选择困难」——几十个工具的定义塞进提示词,准确率不升反降。Multi-Agent(多智能体协作:按领域拆分专职 Agent,由编排者分派任务)是自然解法:客服 Agent、查库 Agent、风控 Agent 各持三五个工具,一个协调者路由子任务。模式按复杂度递增:单 Agent 多工具(简单任务)、ReAct 循环(多步推理)、Planning(先列计划再逐项执行,适合可分解任务)、Multi-Agent(领域交叉的复杂任务)。判据要记牢:能简单就简单——八成业务一个带工具的 ReAct 循环就够,Multi-Agent 的调试与 token 成本是真金白银,别为架构而架构。编排者的形态也分两派:Supervisor 中心化(子 Agent 只与协调者对话,由它分派与汇总——实现简单、链路清晰,起步首选)与平等协作(子 Agent 间直接通信自组织——灵活但调试困难,没有硬需求别上)。子 Agent 间每次交接都是一次上下文重建,五人「会议」开三轮的开销可能超过一个聪明 Agent 单干——组织学的道理在 Multi-Agent 里同样成立。

Spring AI 的演进方向

Spring AI 1.0 的能力是「零件级」:ChatClient、Advisor、VectorStore、FC、MCP 客户端——搭 Agent 要自己写循环、自己管状态、自己拼编排。社区公开路线与 2.0 系列版本的发力点正是把这些收编为框架原语:Agent 循环与编排成为一等抽象(计划、执行、反思的循环不再手搓)、工具与 MCP 深度整合(23.4 的生态直接挂进 Agent)、可观测性增强(Agent 每一步的决策链路开箱可查——16.6 的链路追踪思想平移到 AI 调用链,Agent 的「Trace」就是每一步 Thought/Action/Observation 的完整记录)、虚拟线程加持的高并发调用。为什么框架一定要收编循环?手搓循环的三大痛点就是动因:状态管理散落在业务代码里(会话、预算、步数各写各的)、错误恢复没有统一模式(某一步失败整体重来还是断点续跑,每家实现一套)、观测全靠 print(生产 Agent 出问题等于盲飞)。对使用者的含义:1.0 学的概念没有一个作废——ChatClient 是砖,2.0 交付的是预制的梁;先在 1.0 上把 22/23 章的基本功打牢,2.0 的新 API 只是把「自己搭的循环」换成「框架的循环」,理解循环本身的人迁移成本趋近于零。具体 API 以官方 release notes 为准——AI 框架迭代快,这一章要带走的是演进逻辑而非某个版本号。

落地清单:上 Agent 前问自己

Agentic 不是银弹,上马前四个问题:任务真的需要多步自主吗(单轮 FC 能解决就别上循环);失败模式可控吗(步数与预算熔断、高危动作 MANUAL 收口——22.3 的规矩在 Agent 时代只会更严);效果怎么评估(固定测试集回归,22.2 的纪律);成本算得清吗(一次 Agent 任务等于 N 次模型调用,22.5 的计量前置)。四个问题都有答案,再动手。评估指标也要先行:任务完成率(办成了多少)、平均步数(效率)、单任务 token 成本(经济性)——三个数建基线,之后每次改提示词、换模型、调工具清单都拿基线回归。Agent 的「感觉变好了」不算数,数字才算数。

踩坑清单

面试怎么问

一句话总结

Agentic 的本质是把「模型在循环里连续干活」工程化:ReAct 是心跳、熔断是保险丝、记忆与工具是四肢——Spring AI 从零件走向预制梁的演进正对着这个方向,而真正带走的能力是那个不变的内核:循环、记忆、工具、护栏,四者齐备,范式怎么变你都是弄潮儿。