Java知识体系

Appearance

AI 框架选型对比

知识点清单 ​

  • [ ] 五款框架各自的定位与核心能力
  • [ ] LangChain4j vs Spring AI Alibaba 的本质区别
  • [ ] 多智能体编排：谁支持、怎么用
  • [ ] 模型接入广度对比
  • [ ] 企业级能力（安全沙箱、人工审批、会话持久化）
  • [ ] 技术选型决策树
  • [ ] 是否可以混用？有什么坑？

一、框架定位一句话 ​

框架一句话定位类比
Spring AISpring 官方的 LLM 集成标准抽象层Java 界的 AI JDBC
Spring AI Alibaba阿里开源的 Agentic AI 应用平台Java 界的 LangGraph + Dify
LangChain4jJVM 生态最成熟的 LLM 集成工具箱Java 界的 LangChain
AgentScope Java企业级多智能体运行时引擎Java 界的 CrewAI
Google ADKGoogle 的多语言 AI Agent 开发套件Google 版 Agent SDK

简单总结：LangChain4j 帮你"用上 LLM"，Spring AI Alibaba 帮你"用好 Agent"。

二、核心维度对比 ​

维度Spring AILangChain4jSpring AI AlibabaAgentScope JavaGoogle ADK
模型接入20+20+阿里云为主阿里云为主Gemini 为主
向量数据库15+30+依托 Spring AI无独立抽象无独立抽象
多 Agent 编排无有限7 种模式7 种模式Agent 链
安全沙箱无无依托 AgentScope内置 Docker容器执行
Human-in-the-Loop无无支持interrupt()ToolConfirmation
会话持久化JDBC/Redis自实现RocketMQRocketMQFirestore 等
可视化工具无无Admin 工具无dev UI
与 Spring 解耦绑定 Spring可独立使用绑定 Spring Boot可独立使用绑定 Google
版本1.1.41.14.01.1.2.21.0.101.0.0
成熟度高最高中中低（Java版新）

三、LangChain4j vs Spring AI Alibaba 深入对比 ​

这是选型中最常见的二选一问题。

定位不同 ​

  • LangChain4j：LLM 集成工具箱。核心能力是"统一 API 接入 20+ 模型" + "AI Services 声明式调用" + "RAG 管道"。目标是让 Java 开发者方便地使用 LLM。
  • Spring AI Alibaba：AI 智能体应用平台。核心能力是"多 Agent 编排" + "Graph 工作流" + "企业级运维"。目标是让 Java 开发者构建生产级 Agent 系统。

多智能体——最大分水岭 ​

这是两者最大的差异点。LangChain4j 没有原生的多 Agent 编排能力，需要自己写调度逻辑：

java
// LangChain4j：多 Agent 需要手写调度
String result1 = agent1.chat(input);
String result2 = agent2.chat(result1);
String final = supervisor.chat(result2);

Spring AI Alibaba 声明式配置即可：

java
// Spring AI Alibaba：声明式多 Agent
var pipeline = new SequentialAgent(List.of(agent1, agent2, agent3));
var result = pipeline.call(input);

如果需求只是"一个 Chat + RAG"，LangChain4j 完全足够。如果需要多个 Agent 协作（比如一个查订单、一个查物流、一个汇总），Spring AI Alibaba 优势明显。

模型接入 ​

LangChain4j 完胜。它的统一 API 设计使得切换模型只需换 Builder，代码零改动。Spring AI Alibaba 的核心模型是 DashScope（百炼），虽然能接 OpenAI 但不是一等公民。

企业级能力 ​

Spring AI Alibaba 有 LangChain4j 没有的：Docker 安全沙箱、A2A 分布式协作（基于 Nacos）、RocketMQ 会话持久化、Admin 可视化运维。这些在生产环境中是硬需求，不是 nice to have。

框架关系图 ​

这些框架并非互斥，而是有明确的层次关系：

        Spring AI（标准抽象层）
             ↓
   ┌────────┼────────┐
   ↓        ↓        ↓
LangChain4j  Spring AI Alibaba  ...
   (模型集成)   ↓
          AgentScope Java
          (多Agent运行时引擎)

Spring AI 提供 ChatClient / Tool / MCP 等标准抽象，LangChain4j 通过 Spring AI 的抽象接入，Spring AI Alibaba 在 Spring AI 之上叠加多 Agent 编排，AgentScope Java 作为底层引擎。

四、技术选型决策树 ​

需要多 Agent 协作？
  ├── 是 → 已经在用阿里云？
  │         ├── 是 → Spring AI Alibaba
  │         └── 否 → AgentScope Java（独立使用，不绑Spring）
  └── 否 → 需要灵活切换模型提供商？
            ├── 是 → LangChain4j
            └── 否 → 绑 Google 生态？
                      ├── 是 → Google ADK
                      └── 否 → Spring AI 裸用 或 LangChain4j

各场景推荐 ​

场景推荐理由
Spring Boot 加个 Chat + RAGLangChain4j最简单，成熟度最高
多 Agent 协作，已用阿里云Spring AI Alibaba生态协同，开箱即用
多 Agent 协作，不绑阿里云AgentScope Java独立框架，轻量
仅需标准 LLM 集成，不绑特定提供商Spring AISpring 官方，抽象最标准
Google Cloud 全家桶Google ADKGemini + Firestore + Vertex AI 深度集成

五、避坑指南 ​

1. 不要因为"阿里/Google 背书"就无脑选 ​

如果需求就是一个 Chat + RAG，LangChain4j 比 Spring AI Alibaba 更简单、更稳。大厂的 AI 框架迭代极快，API 随时可能变。

2. 不要低估企业级需求的复杂度 ​

安全沙箱、会话持久化、人工审批——这些 LangChain4j 都没有内置。如果真要上生产，自研成本要提前算清楚。AgentScope Java 在这方面投入最重。

3. 版本兼容矩阵要提前查 ​

Spring AI Alibaba 依赖 Spring AI，而 Spring AI 2.0 M2 已经出了，API 还在演进。选型时要锁定具体版本组合，避免升级踩坑。

4. 混用是可以的，但一般不推荐 ​

Spring AI Alibaba v1.1.2.2 底层用了 AgentScope Java，而上层通过 Spring AI 抽象可以和 LangChain4j 共存。但维护两套依赖、两套 API 心智负担重，除非有明确理由（如 LangChain4j 的某个模型集成 Spring AI 没有）。

5. Google ADK Java 版还很新 ​

v1.0 2026 年 3 月才出，社区积累少。如果有生产时间压力，先观望或直接用 Python 版。

6. 关注 Spring AI 本身的定位变化 ​

Spring AI 是底层抽象，Spring AI Alibaba 是上层实现。如果 Spring AI 2.0 把多 Agent 编排纳入标准抽象，Spring AI Alibaba 的差异化会缩小。持续关注社区路线图。

六、相关笔记 ​