SpringAI Alibaba官方Demo地址：spring-ai-alibaba-examples/spring-ai-alibaba-graph-example at main · springaialibaba/spring-ai-alibaba-examples

6. SpringAI Alibaba Graph

6.1. 概述

Spring AI Alibaba Graph 是一款面向 Java 开发者的工作流、多智能体框架，用于构建由多个 AI 模型或步骤组成的复杂应用。它基于 Spring Boot 生态进行深度集成，提供声明式的 API 来编排工作流，让开发者能将 AI 应用的各个步骤抽象为节点（Node），并通过有向图（Graph）的形式连接这些节点，形成可定制的执行流程。与传统单 Agent（一问一答式）方案相比，Spring AI Alibaba Graph 支持更复杂的多步骤任务流程，有助于解决单一大模型对复杂任务力不从心的问题。

6.2. 核心概念

1. StateGraph（状态图/工作流图）：定义整个工作流的主类。 支持添加节点（addNode）、边（addEdge、addConditionalEdges）、条件分支、子图等。 可校验图结构，最终编译为 CompiledGraph 以供执行。

2. Node（节点）：表示工作流中的单个步骤（如模型调用、数据处理等）。 支持异步节点，可封装大模型调用或自定义逻辑。

3. Edge（边）：表示节点之间的转移关系。 支持条件分支（根据状态决定下一个节点）。

4. OverAllState（全局状态）：可序列化的全局状态对象，贯穿整个工作流。 支持按 key 注册不同的合并/更新策略（如替换、合并等）。 用于数据传递、断点续跑、人工干预等。

5. CompiledGraph（已编译图）：StateGraph 的可执行版本。 负责实际的节点执行、状态流转、结果流式输出。 支持中断、并行节点、检查点等高级特性。

6.3. 示例

1. 引入依赖：

   <dependency>
       <groupId>com.alibaba.cloud.ai</groupId>
       <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>
       <version>1.0.0.1</version>
   </dependency>
   ​
   <dependency>
       <groupId>com.alibaba.cloud.ai</groupId>
       <artifactId>spring-ai-alibaba-graph-core</artifactId>
       <version>1.0.0.1</version>
   </dependency>

   添加依赖后，在项目的 application.yml 中配置模型 API 密钥：

   ai.dashscope.api-key: ${AI_DASHSCOPE_API_KEY}；

2. 创建ChatClient

   // 引入依赖后, Spring容器会自动生成一个chatModel bean对象
   ChatClient chatClient = ChatClient.builder(chatModel).defaultAdvisors(new SimpleLoggerAdvisor()).build();

3. 设置全局状态 OverAllState：定义一个 OverAllStateFactory，注册若干 Key 及其更新策略来管理上下文数据

   OverAllStateFactory stateFactory = () -> {
       // 创建并配置一个状态对象，可看成贯穿整个工作流的全局变量，用于管理写作助手的工作流程中的数据。
       OverAllState state = new OverAllState();
       // 注册工作流中使用到的各个状态项，并为每个状态项指定替换策略：
       state.registerKeyAndStrategy("original_text", new ReplaceStrategy());   // 存储原始输入文本
       state.registerKeyAndStrategy("summary", new ReplaceStrategy());         // 存储生成的摘要内容
       state.registerKeyAndStrategy("summary_feedback", new ReplaceStrategy());// 存储对摘要的反馈（如正面或负面）
       state.registerKeyAndStrategy("reworded", new ReplaceStrategy());        // 存储经过改写后的内容
       state.registerKeyAndStrategy("title", new ReplaceStrategy());           // 存储最终生成的文章标题
       return state;
   };

4. 定义节点 (Node)：创建工作流中的核心节点，包括两个文本分类节点和一个记录节点；

   节点定义见： Spring-ai-alibaba-examples/spring-ai-alibaba-graph-example项目下的FeedbackDispatcher和RewordingNode、SummarizerNode、SummaryFeedbackClassifierNode、TitleGeneratorNode；

   关注这些类实现的接口、返回值类型的区别；（看注释，不懂或忘了重新问GPT）

5. 添加节点到 StateGraph

   StateGraph graph = new StateGraph("Writing Assistant with Feedback Loop", stateFactory.create())
       // 添加节点：summarizer - 用于生成原始文本的摘要
       .addNode("summarizer", node_async(new SummarizerNode(chatClient)))
       // 添加节点：feedback_classifier - 对生成的摘要进行反馈分类（positive/negative）
       .addNode("feedback_classifier", node_async(new SummaryFeedbackClassifierNode(chatClient, "summary")))
       // 添加节点：reworder - 如果摘要反馈为正面，则对其进行语言润色改写
       .addNode("reworder", node_async(new RewordingNode(chatClient)))
       // 添加节点：title_generator - 根据改写后的内容生成一个吸引人的标题
       .addNode("title_generator", node_async(new TitleGeneratorNode(chatClient)))
       // 添加边：从流程起点开始，首先进入 summarizer 节点生成摘要
       .addEdge(START, "summarizer")
       // 摘要完成后进入 feedback_classifier 节点进行反馈判断
       .addEdge("summarizer", "feedback_classifier")
       // 根据FeedbackDispatcher类的apply()方法返回值, 做条件分支：
       //   - 如果是 positive，进入 reworder 进行内容润色
       //   - 如果是 negative，返回 summarizer 重新生成摘要
       .addConditionalEdges("feedback_classifier", edge_async(new FeedbackDispatcher()),
               Map.of("positive", "reworder", "negative", "summarizer"))
       // 内容润色完成后进入 title_generator 生成标题
       .addEdge("reworder", "title_generator")
       // 最终输出标题，流程结束
       .addEdge("title_generator", END);

6. 编译运行

   @RestController
   @RequestMapping("/write")
   public class WritingAssistantController {
   ​
       private final CompiledGraph compiledGraph;
   ​
       @Autowired
       public WritingAssistantController(@Qualifier("writingAssistantGraph") StateGraph writingAssistantGraph)
               throws GraphStateException {
           this.compiledGraph = writingAssistantGraph.compile();  // 编译
       }
   ​
       /**
        * 调用写作助手流程图 示例请求：GET /write?text=今天我去了西湖，天气特别好，感觉特别开心
        */
       @GetMapping
       public Map<String, Object> write(@RequestParam("text") String inputText) {
           var resultFuture = compiledGraph.invoke(Map.of("original_text", inputText));
           OverAllState result = resultFuture.get();
           return result.data();
       }
   ​
   }