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。框架核心包括：StateGraph（状态图，用于定义节点和边）、Node（节点，封装具体操作或模型调用）、Edge（边，表示节点间的跳转关系）以及 OverAllState（全局状态，贯穿流程共享数据）。这些设计使开发者能够方便地管理工作流中的状态和逻辑流转。

一、核心概念与类

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。

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。

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）。

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。

CompiledGraph（已编译图）是 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。

二、典型使用流程

定义 StateGraph：在 Spring 配置类中定义 StateGraph bean，添加各节点（如模型调用、业务逻辑），用边连接。

配置全局状态：通过 OverAllStateFactory 定义初始状态及 key 策略。

执行：编译为 CompiledGraph，驱动状态在节点和边之间流转，条件逻辑决定路径。

集成：通常通过 REST Controller 或 Service 暴露为接口。

三、创建简单示例

要快速体验 Spring AI Alibaba Graph，可以基于官方提供的 WorkflowAutoconfiguration 示例搭建一个完整的工作流应用。下面将以“客户评价处理系统”为例，介绍从项目依赖到运行测试的主要步骤。

1. 添加依赖与配置模型

在 Spring Boot 项目的 Maven pom.xml 中引入 Spring AI Alibaba 的 BOM 以及所需的 Starter 依赖。如引入阿里百炼大模型 DashScope 的 Starter（或选择 OpenAI Starter，具体取决于所用模型平台）。

<properties> <!-- 设定编译所用的 Java 版本（与 Spring Boot 3.5.* 兼容：要求 17+） --> <java.version>17</java.version> </properties> <dependencies> <!-- Spring Web：提供嵌入式 Tomcat 与 MVC / REST 能力 --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <!-- 阿里云 DashScope 大模型接入 Starter（封装 ChatModel、ChatClient 等） --> <dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-starter-dashscope</artifactId> </dependency> <!-- AI 工作流 / 状态图核心库（StateGraph、CompiledGraph 等） --> <dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-graph-core</artifactId> </dependency> <!-- 测试依赖：包含 JUnit、Assert、Mock 支持（仅 test 作用域） --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> </dependencies> <dependencyManagement> <dependencies> <!-- 统一管理 spring-ai-alibaba 相关组件版本，避免逐个声明 --> <dependency> <groupId>com.alibaba.cloud.ai</groupId> <artifactId>spring-ai-alibaba-bom</artifactId> <version>1.0.0.3</version> <type>pom</type> <scope>import</scope> </dependency> </dependencies> </dependencyManagement>

组件版本可以选择 <version>1.0.0.3</version> 或者 <version>1.0.0.2</version>。

添加依赖后，在项目的 application.properties 中配置模型 API 密钥。例如使用阿里 Qwen 模型时配置 DashScope 服务的访问密钥（如 spring.ai.dashscope.api-key=<您的API密钥> 。

spring.application.name=simple-graph spring.ai.dashscope.api-key=${DASHSCOPE_API_KEY}

这些配置确保 Spring AI 能自动创建所需的 ChatModel Bean，用于与对应的模型服务通信。

接下来的核心工作是创建工作流StateGraph。