Sail的架构笔记

Appearance

Java AI Agent 入门指南：从 RAG 到 Agent 的思维跃迁 ​

前言： 在 AI 1.0 时代（ChatGPT 刚火时），我们学会了用 Prompt 让 AI 写诗、写代码。 在 AI 2.0 时代（RAG 爆发时），我们学会了给 AI 外挂知识库，让它基于文档回答问题。 现在，AI Agent（智能体） 时代来了。我们不仅要让 AI “说话”，更要让 AI “干活”。

很多 Java 开发者觉得 Agent 是 Python 的专利（LangChain, AutoGPT），其实不然。随着 Spring AI 的成熟，Java 程序员也能用最熟悉的面向对象思维，构建强大的智能体。

1. 什么是 Agent？ ​

如果说 LLM（大模型）是一个**“博学但瘫痪的天才”（它什么都知道，但只能在屏幕上打字），那么 Agent 就是“给天才装上了机械臂”**。

一个典型的 Agent 架构公式：

$$ Agent = LLM（大脑） + Memory（记忆） + Tools（工具） + Planning（规划） $$

  • 大脑 (LLM)：负责理解意图、拆解任务。
  • 工具 (Tools)：这是 Java 强项。查询数据库、调用 REST API、发送钉钉消息、执行 Redis 操作，这些都是工具。
  • 记忆 (Memory)：记住之前的对话和执行结果。
  • 规划 (Planning)：思考第一步做什么，第二步做什么（如 CoT 思维链）。

2. 为什么 Java 适合做 Agent？ ​

在 Python 圈，Agent 框架虽然多，但在企业级落地时往往面临维护难题。而 Java 有天然优势：

  1. 极其丰富的工具生态：你的 Spring Boot 项目里已经集成了 MyBatis、Feign、Redis 客户端。把这些现成的 Service 封装成 AI 工具，只需一个注解。
  2. 强类型约束：Agent 的核心是 Function Calling（函数调用）。LLM 需要输出严格的 JSON 格式来调用函数。Java 的 POJO 和 Bean Validation 机制，天然适合约束 AI 的输出。
  3. 系统稳定性：当 Agent 需要处理复杂的业务事务（比如下单、支付）时，Java 的事务管理和并发控制是 Python 难以比拟的。

3. 核心机制：Function Calling (函数调用) ​

Agent 是如何“干活”的？核心就是 Function Calling。

流程演示：

  1. 用户说：“帮我查一下这周末杭州的天气。”
  2. Java 应用：把这句话发给 DeepSeek，同时告诉它：“我有一个工具叫 getWeather(city, date)”。
  3. DeepSeek 思考：用户想查天气 -> 匹配到工具 getWeather -> 提取参数 city=杭州, date=本周末。
  4. DeepSeek 返回：它不返回自然语言，而是返回一个特殊的 JSON：{ "tool": "getWeather", "args": { "city": "杭州"... } }。
  5. Spring AI：拦截到这个 JSON，自动反射调用 Java 里的 getWeather 方法，拿到结果（比如“25度，晴”）。
  6. Spring AI：把“25度，晴”这个结果再次喂给 DeepSeek。
  7. DeepSeek 最终回复：“这周末杭州天气不错，气温25度，适合出游哦！”

4. 下一步：Spring AI ​

Spring 官方推出的 Spring AI 框架，抹平了不同大模型（OpenAI, DeepSeek, Ollama）的调用差异，并且对 Function Calling 提供了极简的封装。

在下一篇文章中，我将手把手带你用 30 行 Java 代码，实现一个能查询实时数据（比如天气或订单状态）的 AI Agent。

思考题： 如果让你把现在的“点餐系统”改造成 Agent，除了“查询订单”，你还能想到哪些场景可以让 AI 替你操作数据库？

本文作者：Sail，软考高级架构师，专注 Java 全栈与 AI 落地。