1. 引言

多智能体的出现的必然，是因为单一智能体往往难以应对复杂多变的业务场景。在非AI场景下，路由也是一个非常普世的技术点了，比如常见的负载均衡、nginx的路由转发，他们的思路都是按需将请求分发给目标执行方。

同样的，在多智能体交接策略中，其中路由交接模式也是一种高效的任务分发策略。

本文将基于 Spring AI Alibaba 框架，详细介绍如何实现一个智能客服系统，该系统能够根据用户意图自动路由到不同的专家 Agent。

1.1 什么是多智能体路由模式？

多智能体路由模式（Router Pattern）是一种协作架构，其中：

• Router Agent

  ：负责分析用户输入，判断意图，选择合适的专家 Agent

• Expert Agents

  ：各领域的专业智能体，处理特定类型的任务

• 自动切换

  ：用户无感知地在不同专家间切换，获得专业服务

1.2 适用场景

这种模式特别适合：

• 智能客服系统（销售、技术支持、HR 等）
• 多领域知识问答
• 任务分发和工作流自动化
• 专家系统集成

2. 项目架构概览

2.1 技术栈

• 框架

  ：Spring Boot 3.x + Spring AI Alibaba

• AI 模型

  ：Qwen2.5-7B-Instruct（通过 SiliconFlow API）

• 前端

  ：Thymeleaf + 原生 JavaScript

• 通信

  ：SSE（Server-Sent Events）实现流式响应

2.2 智能体架构

2.3 Agent 角色定义

Agent 名称	角色描述	outputKey
router_agent	路由决策者，根据用户意图选择专家	（不产生输出，仅路由）
sales_agent	销售专家，处理购买、价格等问题	sales_response
hr_agent	招聘专家，处理招聘、面试等问题	hr_response
tech_support_agent	技术支持专家，处理产品使用/故障问题	tech_response

3. 核心实现详解

3.1 项目结构

src/main/java/com/git/hui/springai/ali/├── controller/│   └── CsController.java          # 智能客服 REST 控制器（流式接口）├── cs/│   ├── CsRouterAgent.java         # 路由 Agent 配置│   ├── SalesAgent.java            # 销售 Agent│   ├── HrAgent.java               # 人力资源 Agent│   └── TechSupportAgent.java      # 技术支持 Agent└── L07Application.java            # Spring Boot 启动类src/main/resources/├── templates/│   └── cs-chat.html               # 智能客服对话框页面└── application.yml                # 应用配置文件

3.2 路由 Agent 配置

路由 Agent 是整个系统的核心，负责意图识别和任务分发：

@Component@RequiredArgsConstructorpublicclassCsRouterAgent {    privatefinal ChatModel chatModel;    privatefinal SalesAgent salesAgent;    privatefinal HrAgent hrAgent;    privatefinal TechSupportAgent techSupportAgent;    public LlmRoutingAgent routerAgent() {        LlmRoutingAgentagent= LlmRoutingAgent.builder()                .name("router_agent")                .model(chatModel)                .description("根据用户输入，将用户问题路由到对应的业务部门")                .instruction("""                        根据用户输入，将用户问题路由到对应的业务部门。                                                【业务部门】                        销售部门：处理销售信息、产品介绍、购买渠道、优惠活动等等销售问题                        人力资源部门：处理招聘信息、投递简历、面试安排等人力资源问题                        技术支持部门：处理技术问题、bug修复、代码优化等等技术问题                        """                ).subAgents(                        List.of(salesAgent.salesAgent(),                                hrAgent.hrAgent(),                                techSupportAgent.techSupportAgent())                ).build();        return agent;    }}

关键点解析：

1. LlmRoutingAgent

   ：Spring AI Alibaba 提供的路由智能体，自动处理意图识别

2. instruction

   ：定义路由规则的提示词，告诉 LLM 如何分类用户问题

3. subAgents

   ：注册所有可用的专家 Agent

4. description

   ：Agent 的描述，帮助 LLM 做出路由决策

3.3 专家 Agent 实现

每个专家 Agent 使用 ReactAgent 构建，专注于特定领域：

销售 Agent

@Component@RequiredArgsConstructorpublicclassSalesAgent {    privatefinal ChatModel chatModel;    public ReactAgent salesAgent() {        ReactAgentagent= ReactAgent.builder()                .name("sales_agent")                .model(chatModel)                .description("处理销售信息、产品介绍、购买渠道、优惠活动等等销售问题")                .instruction("你是一个销售专家，擅长各种销售、产品介绍、购买渠道、优惠活动等等销售问题")                .outputKey("sales_response")                .enableLogging(true)                .build();        return agent;    }}

人力资源 Agent

@ComponentpublicclassHrAgent {    @Autowired    private ChatModel chatModel;    public ReactAgent hrAgent() {        ReactAgenthrAgent= ReactAgent.builder()                .name("hr_agent")                .model(chatModel)                .description("处理招聘信息、投递简历、面试安排等人力资源问题")                .instruction("你是一个专业的人力资源，擅长各种人力相关、招聘、面试、入职等业务流程。请根据用户的提问进行回答。")                .outputKey("hr_response")                .enableLogging(true)                .build();        return hrAgent;    }}

技术支持 Agent

@Component@RequiredArgsConstructorpublicclassTechSupportAgent {    privatefinal ChatModel chatModel;    public ReactAgent techSupportAgent() {        ReactAgentagent= ReactAgent.builder()                .name("tech_support_agent")                .model(chatModel)                .description("处理产品故障、使用指导、技术咨询等问题。")                .instruction("你是一个专业Tech Support，擅长各种技术问题，包括产品故障处理、使用指导、技术咨询等，请根据用户的提问进行回答")                .outputKey("tech_response")                .enableLogging(true)                .build();        return agent;    }}

ReactAgent 配置要点：

• name

  ：Agent 的唯一标识符，用于路由和日志

• model

  ：使用的 AI 模型

• description

  ：简短描述，帮助 Router 识别该 Agent 的职责

• instruction

  ：详细的角色定义和行为指导

• outputKey

  ：输出键名，用于在多 Agent 协作中标识响应来源

• enableLogging

  ：启用日志记录，便于调试

3.4 流式接口实现

控制器使用 SSE 技术实现实时流式响应：

@Slf4j@RestController@RequestMapping("/api/cs")publicclassCsController {    privatefinal LlmRoutingAgent routerAgent;    privatefinalObjectMapperobjectMapper=newObjectMapper();    publicCsController(CsRouterAgent routerAgent) {        this.routerAgent = routerAgent.routerAgent();    }    @GetMapping(value = "/chat", produces = MediaType.TEXT_EVENT_STREAM_VALUE)    public Flux<ServerSentEvent<String>> chatStream(@RequestParam String message) {        log.info("收到客服消息：{}", message);        try {            Flux<NodeOutput> agentStream = routerAgent.stream(message);            return agentStream                    .filter(nodeOutput -> !(nodeOutput instanceof StreamingOutput<?> so &&                            so.getOutputType() == OutputType.AGENT_MODEL_FINISHED))                    .map(nodeOutput -> {                        Stringnode= nodeOutput.node();                        StringagentName= nodeOutput.agent();                        Map<String, Object> data = newHashMap<>();                        data.put("node", node);                        data.put("agent", agentName);                        StringBuildercontentBuilder=newStringBuilder();                        booleanhasContent=false;                        if (nodeOutput instanceof StreamingOutput<?> streamingOutput) {                            Messagemsg= streamingOutput.message();                            if (msg instanceof AssistantMessage assistantMessage) {                                if (!assistantMessage.hasToolCalls()) {                                    Stringtext= assistantMessage.getText();                                    if (text != null && !text.trim().isEmpty()) {                                        contentBuilder.append(text);                                        hasContent = true;                                    }                                }                            }                        }                        data.put("content", contentBuilder.toString());                        data.put("hasContent", hasContent);                        Stringdepartment= determineDepartment(agentName);                        data.put("department", department);                        String json;                        try {                            json = objectMapper.writeValueAsString(data);                        } catch (JsonProcessingException e) {                            log.error("JSON 序列化失败", e);                            json = "{\"error\":true,\"errorMessage\":\"JSON 序列化失败\"}";                        }                        return ServerSentEvent.<String>builder()                                .event("message")                                .data(json)                                .build();                    })                    .onErrorResume(error -> {                        log.error("流式对话过程中发生错误", error);                        // 错误处理逻辑                    })                    .doOnComplete(() -> {                        log.info("流式对话完成");                    });        } catch (Exception e) {            log.error("创建流式接口时发生错误", e);            // 异常处理逻辑        }    }    private String determineDepartment(String agentName) {        if (agentName != null) {            if (agentName.contains("sales")) {                return"sales";            } elseif (agentName.contains("hr")) {                return"hr";            } elseif (agentName.contains("tech")) {                return"tech";            } elseif (agentName.contains("router")) {                return"router";            }        }        return"unknown";    }}

流式响应数据结构：

{  "node":"节点名称","agent":"当前处理的 agent","content":"回复内容","hasContent":true,"department":"sales|hr|tech|router"}

4. 前端实现

4.1 界面设计特点

• 现代化 UI

  ：渐变色设计，圆角卡片布局

• 实时状态展示

  ：四个部门的状态指示器，高亮当前服务部门

• 打字机效果

  ：SSE 流式响应实现逐字显示

• 部门标识

  ：不同颜色区分不同部门的回复

4.2 核心 JavaScript 逻辑

// 发送消息functionsendMessage() {    const message = messageInput.value.trim();    if (!message) return;    // 禁用输入框和按钮    messageInput.disabled = true;    sendBtn.disabled = true;    // 添加用户消息    addMessage(message, true);    messageInput.value = '';    // 显示正在输入动画    showTypingIndicator();    // 创建 EventSource 连接到 SSE 接口    const eventSource = newEventSource(`/api/cs/chat?message=${encodeURIComponent(message)}`);    currentEventSource = eventSource;    let lastContentDiv = null;    let fullContent = '';    eventSource.onmessage = function(event) {        try {            const data = JSON.parse(event.data);                        // 如果有内容，更新或创建消息            if (data.hasContent && data.content) {                removeTypingIndicator();                                // 更新 Agent 状态                updateAgentStatus(data.department);                                if (!lastContentDiv || data.agent !== (lastContentDiv.dataset.agent || '')) {                    // 新的 agent 回复，创建新消息                    const msgDiv = document.createElement('div');                    msgDiv.className = 'message assistant';                                        const deptNames = {                        'router': '路由中心',                        'sales': '销售部门',                        'hr': '人力资源',                        'tech': '技术支持',                        'unknown': '客服中心'                    };                                        const headerDiv = document.createElement('div');                    headerDiv.className = 'message-header';                    headerDiv.innerHTML = `<span class="department-badge ${data.department}">${deptNames[data.department] || data.department}</span>`;                    msgDiv.appendChild(headerDiv);                                        const contentDiv = document.createElement('div');                    contentDiv.className = 'message-content';                    contentDiv.textContent = data.content;                    contentDiv.dataset.agent = data.agent;                                        msgDiv.appendChild(contentDiv);                    chatMessages.appendChild(msgDiv);                    lastContentDiv = contentDiv;                    fullContent = data.content;                } else {                    // 同一个 agent 的连续内容，追加                    fullContent += data.content;                    lastContentDiv.textContent = fullContent;                }                                chatMessages.scrollTop = chatMessages.scrollHeight;            }        } catch (e) {            console.error('解析消息失败:', e);        }    };}

4.3 Agent 状态更新

// 更新 Agent 状态function updateAgentStatus(department) {    // 移除所有激活状态    document.querySelectorAll('.agent-card').forEach(card => {        card.classList.remove('active');    });        // 激活当前 agent    const activeCard = document.getElementById(`agent-${department}`);    if (activeCard) {        activeCard.classList.add('active');    }}

5. 配置与部署

5.1 应用配置

在 application.yml 中配置 AI 模型：

spring:  ai:    openai:      api-key:${silicon-api-key}      chat:        options:          model:Qwen/Qwen2.5-7B-Instruct      base-url:https://api.siliconflow.cnthymeleaf:    cache:falseserver:tomcat:    uri-encoding:UTF-8

5.2 启动步骤

1. 配置 API Key：

   export silicon-api-key=your-api-key-here
   

2. 启动应用：

   mvn spring-boot:run
   

3. 访问界面： 打开浏览器访问 http://localhost:8080/

5.3 测试用例

销售咨询：

• “你们的产品多少钱？”
• “有什么优惠活动吗？”
• “在哪里可以购买？”

人力资源：

• “我想应聘软件工程师岗位”
• “面试流程是怎样的？”
• “什么时候发 offer？”

技术支持：

• “系统登录不上去了怎么办？”
• “这个功能怎么使用？”
• “发现了一个 bug，如何反馈？”

接下来我们通过实现的对话框来演示一下智能客服的自动路由功能

6. 工作流程图

7. 扩展与优化

7.1 添加新 Agent

要添加新的专家 Agent，只需：

1. 创建新的 Agent 类：

@ComponentpublicclassNewExpertAgent {    @Autowired    private ChatModel chatModel;    public ReactAgent newExpertAgent() {        return ReactAgent.builder()                .name("new_expert_agent")                .model(chatModel)                .description("处理特定领域的问题")                .instruction("你是某某领域的专家...")                .outputKey("new_expert_response")                .enableLogging(true)                .build();    }}

2. 在 Router 中注册：

.subAgents(List.of(    salesAgent.salesAgent(),    hrAgent.hrAgent(),    techSupportAgent.techSupportAgent(),    newExpertAgent.newExpertAgent()  // 添加新 Agent))

3. 更新路由提示词和前端显示

7.2 为 Agent 添加工具

Agent 可以装配工具来扩展能力：

public ReactAgent hrAgent() {    return ReactAgent.builder()            .name("hr_agent")            .model(chatModel)            .tools(                newInterviewScheduleTool(),    // 面试安排工具                newResumeQueryTool(),          // 简历查询工具                newOfferStatusTool()           // Offer 状态工具            )            .instruction("你是人力资源专家...")            .outputKey("hr_response")            .build();}

7.3 性能优化建议

• 缓存路由决策

  ：对于常见问题，缓存路由结果

• 模型选择

  ：根据场景选择合适的模型大小

• 异步处理

  ：对于耗时操作，使用异步处理

• 限流控制

  ：防止 API 调用过载

8. 多智能体模式对比与选型

8.1 Spring AI Alibaba 多智能体模式对比

Spring AI Alibaba 提供了多种多智能体协作模式，适用于不同场景：

模式	工作原理	控制流	适用场景
SequentialAgent	按预定义顺序依次执行	线性	已知工作流程、数据转换
ParallelAgent	多Agent并行处理相同输入	并发	独立分析、多角度评估
LlmRoutingAgent	LLM智能决策单路由	单次选择	基础任务分类、简单路由
SupervisorAgent	LLM监督者多步骤循环路由	多步骤循环	复杂任务编排、专家接管
Handoffs（交接）	状态驱动Agent切换	去中心化	客服场景、角色轮换

8.2 快速选型指南

需要的功能                    推荐模式─────────────────────────────────────────────────固定流水线                    SequentialAgent多角度并行分析                ParallelAgent单次智能分类路由              LlmRoutingAgent多步骤复杂任务编排            SupervisorAgentAgent切换+子Agent工具调用     Handoffs + Agent Tool自定义工作流                  FlowAgent

8.3 LlmRoutingAgent vs SupervisorAgent

特性	LlmRoutingAgent	SupervisorAgent
路由次数	单次	多步骤循环
子Agent返回	直接结束	返回监督者继续决策
Instruction占位符	❌	✅ 支持
适用场景	简单分类	复杂多步骤任务

8.4 最佳实践

优化路由准确性

// 清晰的Agent描述ReactAgentcodeAgent= ReactAgent.builder()    .name("code_agent")    .description("专门处理编程问题，擅长Java、Python、JavaScript等主流语言")    .instruction("你是一个资深软件工程师...")    .build();ReactAgentbusinessAgent= ReactAgent.builder()    .name("business_agent")    .description("专门处理商业分析、市场研究，**不处理技术细节**")    .instruction("你是一个资深商业分析师...")    .build();

使用占位符传递数据

// 前序Agent输出ReactAgentwriterAgent= ReactAgent.builder()    .name("writer_agent")    .instruction("根据主题创作：{input}")    .outputKey("article_content")    .build();// 后续Agent引用ReactAgenttranslatorAgent= ReactAgent.builder()    .name("translator_agent")    .instruction("翻译以下文章：{article_content}")    .build();

9. 常见问题

9.1 路由不准确

问题：Router 错误地将问题路由到不相关的 Agent。

解决方案：

• 优化 Router 的 instruction 提示词，更清晰地定义各 Agent 职责
• 为每个 Agent 提供更准确的 description
• 考虑使用更强大的模型做路由决策

9.2 响应延迟

问题：用户等待时间过长。

解决方案：

• 使用 SSE 流式响应，实现边生成边显示
• 优化模型选择，平衡速度和质量
• 考虑使用本地部署模型减少网络延迟

9.3 上下文丢失

问题：多轮对话中 Agent 丢失上下文。

解决方案：

• 实现对话历史管理
• 在 Agent 之间传递上下文信息
• 使用 Redis 等缓存对话状态

10. 总结

本文详细介绍了基于 Spring AI Alibaba 框架实现多智能体路由模式的完整流程。

通过构建智能客服系统，我们学习了：

1. 路由模式的核心概念

   ：Router Agent 负责意图识别，Expert Agents 负责专业处理

2. Spring AI Alibaba 的关键组件

   ：LlmRoutingAgent 和 ReactAgent 的使用

3. 流式响应的实现

   ：SSE 技术实现实时对话体验

4. 前后端协作

   ：完整的智能客服系统架构

这种模式具有良好的扩展性，可以轻松添加新的专家 Agent，适用于各种需要智能分发任务的场景。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】