1.引言随着agent的发展越来越多的企业会将AI agent 去接入他们的核心业务。比如自动化工作流来提升效率或者数据的实时分析经过推理之后进行告警等等现在市面上这么多AI应用产品和agent的开发框架比如Manus、OpenClaw、LangChain、Dify、Spring AI、AlibabaAgent Framework 、LangGraph、LangChain2.Agent什么是Agent早期Agent的意思 是完成最基本的智能对话就可以称为AgentAgent会根据用户的任务进行感知然后进行规划和拆分,再调用具体的工具执行行动然后将反馈的信息再交给大模型看任务是否完成如果没有完成再进行反思如果没有完成再进行反思循环往复这个过程,直至任务最终完成比如我有一个帮我去百度搜索 玛雅人 并且总结100个字的任务那么首先大模型它会经过感知推流看他已有的信息是否能够完成这个任务如果无法完成它会进行规划拆分拆分成几步骤1.打开浏览器2.输入 www.baidu.com3.搜索 玛雅人4.总结100字每一步都会去调用具体的工具 tool 来执行行动然后将执行结果反馈给大模型,再经过感知和反思看任务是否完成 如果没有完成则继续规划执行下一步循环往复直到将这个任务完成总结Agent 感知 大脑 规划 行动 反馈3.AI技术的划分拆解架构所有的Agent 仅存在两个维度的划分1.站在产品经理的家督 从产品业务的维度来进行区分业务诉求2.站在架构师的角度 从底层技术的维度来进行区分调度机制产品维度一通用型General任务发散、边界模糊的全能型系统像这种通用型产品 对于开发人员的简历 就起不到什么作用了工程现状开发者主要停留在“调用”层面鲜少再企业内部从零构建。产品维度二垂直型Vertical Agent深耕细分场景的领域专家聚焦单一业务流。市场数据占据80%的企业真实落地与盈利场景。核心结论这是需求量最大恶的方向也是简历中最具含金量的技术落脚点。代码辅助 → cursor复杂机票组合优化 → DeepTrip企业内部自动财务报销审计系统这个可以包装一个项目到你的简历当中含金量较高比如你是金融行业可以开发一个替代客户经理工作的信贷风险审批的agent比如你是制造行业可以开发一个替代设备工程师的设备预测故障原因诊断的agent你可以开发一个替代HR招聘专员自动化人才匹配的agent等等4.站在架构师的角度技术维度一Workflow 工作流编排由程序员制定一个严格的程序流程比如说我们做一个自动编码的 agent我们可以制定第一步做需求分析如果需求无法实现直接跳出流程如果需求可以实现去做架构设计然后根据架构设计做具体的代码实施所以它的每一步流程都是确定性的,都是可控的所以再需要可控的业务场景下,Workflow 它是唯一解。因为业务呢绝对不允许大模型因为幻觉偏离既定的业务流程技术维度二Agentic智能体自驱系统风险执行过程 呈“黑盒”状态 易陷入死循环或Token过度消耗 。极少直接接入核心生产数据库。这种方式不会预设固定的步骤而是提供一个总目标和一组工具库让大模型自主决策去调用哪一个工具然后呢评估执行结果遇到问题自我反思然后再重复执行这个过程,直至任务的完成Agentic它的灵活更加适用于做 通用性agent的应用通用性属于全能型任务 不可能为每一种任务去定制一个SOP流程而Workflow因为它的确定性 就更适合做企业内部的垂直型的agent应用,我们需要它按照既定的流程来进行执行但是现在主流框架为 企业级混合架构AgenticWorkflow用确定性的Workflow 构建坚如磐石的风控业务主干。在处理模糊信息、非结构化数据的局部节点引入Agentic机制。技术实现框架 LangGraph 和 Spring AI Alibaba这两款技术框架都可以实现 Agentic和Workflow所以用它们也可以完成混合的AgenticWorkflow架构既能保证确定性又能引入AI的灵活性后面的文章先介绍 SpringAI AlibabAgent Framework5.技术选型那么当业务和底层架构清晰之后技术团队通常就会面临技术选型的问题开发Agent有哪些方式1.基于Coze、Dify、fastGPT 这种Agent低代码SaaS平台使用这种拖拽的方式来去配置节点和插件,挂在知识库、API、MCP等等但这种低代码平台呢,它们通常更适合作为自己的个人助手,提升自己的工作效率,或者你需要快速上线一些非核心业务的AI辅助能力作为开发人员 这几种agent低代码SaaS平台 建议大家掌握一下但是这种方式 难以应对已有系统的业务深度集成平台级开发的业务耦合瓶颈当系统面临深水区时通用节点将无能为力1.跨微服务的分布式事务2.核心链路的精细并发控制3.复杂的历史遗留系统比如你的agent需要去接入已有系统的用户权限,比如你还需要更精细的并发控制,或者接入已有架构的服务组件2.开发继承方式二 基于框架的工程级代码开发而目前我们通过Spring AI Alibaba 就可以去开发 agent应用了它可以通过这种Graph流的方式来进行编程可以轻松的去开发 单agent 多agent和 workflow流程编排阿里已经全面支持agent的生态它提供了很多agent的开源框架和开源的产品供我们去使用如果你是JAVA开发 Spring AI Alibaba加入到你的技术栈当中去再结合公司特定的垂直业务 包装对于的项目到你的简历当中去接下来会给大家讲解 SpringAI Alibaba 并且手动构建一个简易版的LangChain项目以及集成不同行业的agent的流程所以 Java生态不用怀疑Java技术栈完全有能力去开发各种流派的AI智能体应用
AI 时代 结构 AI Agent技术
发布时间：2026/7/6 8:04:41
1.引言随着agent的发展越来越多的企业会将AI agent 去接入他们的核心业务。比如自动化工作流来提升效率或者数据的实时分析经过推理之后进行告警等等现在市面上这么多AI应用产品和agent的开发框架比如Manus、OpenClaw、LangChain、Dify、Spring AI、AlibabaAgent Framework 、LangGraph、LangChain2.Agent什么是Agent早期Agent的意思 是完成最基本的智能对话就可以称为AgentAgent会根据用户的任务进行感知然后进行规划和拆分,再调用具体的工具执行行动然后将反馈的信息再交给大模型看任务是否完成如果没有完成再进行反思如果没有完成再进行反思循环往复这个过程,直至任务最终完成比如我有一个帮我去百度搜索 玛雅人 并且总结100个字的任务那么首先大模型它会经过感知推流看他已有的信息是否能够完成这个任务如果无法完成它会进行规划拆分拆分成几步骤1.打开浏览器2.输入 www.baidu.com3.搜索 玛雅人4.总结100字每一步都会去调用具体的工具 tool 来执行行动然后将执行结果反馈给大模型,再经过感知和反思看任务是否完成 如果没有完成则继续规划执行下一步循环往复直到将这个任务完成总结Agent 感知 大脑 规划 行动 反馈3.AI技术的划分拆解架构所有的Agent 仅存在两个维度的划分1.站在产品经理的家督 从产品业务的维度来进行区分业务诉求2.站在架构师的角度 从底层技术的维度来进行区分调度机制产品维度一通用型General任务发散、边界模糊的全能型系统像这种通用型产品 对于开发人员的简历 就起不到什么作用了工程现状开发者主要停留在“调用”层面鲜少再企业内部从零构建。产品维度二垂直型Vertical Agent深耕细分场景的领域专家聚焦单一业务流。市场数据占据80%的企业真实落地与盈利场景。核心结论这是需求量最大恶的方向也是简历中最具含金量的技术落脚点。代码辅助 → cursor复杂机票组合优化 → DeepTrip企业内部自动财务报销审计系统这个可以包装一个项目到你的简历当中含金量较高比如你是金融行业可以开发一个替代客户经理工作的信贷风险审批的agent比如你是制造行业可以开发一个替代设备工程师的设备预测故障原因诊断的agent你可以开发一个替代HR招聘专员自动化人才匹配的agent等等4.站在架构师的角度技术维度一Workflow 工作流编排由程序员制定一个严格的程序流程比如说我们做一个自动编码的 agent我们可以制定第一步做需求分析如果需求无法实现直接跳出流程如果需求可以实现去做架构设计然后根据架构设计做具体的代码实施所以它的每一步流程都是确定性的,都是可控的所以再需要可控的业务场景下,Workflow 它是唯一解。因为业务呢绝对不允许大模型因为幻觉偏离既定的业务流程技术维度二Agentic智能体自驱系统风险执行过程 呈“黑盒”状态 易陷入死循环或Token过度消耗 。极少直接接入核心生产数据库。这种方式不会预设固定的步骤而是提供一个总目标和一组工具库让大模型自主决策去调用哪一个工具然后呢评估执行结果遇到问题自我反思然后再重复执行这个过程,直至任务的完成Agentic它的灵活更加适用于做 通用性agent的应用通用性属于全能型任务 不可能为每一种任务去定制一个SOP流程而Workflow因为它的确定性 就更适合做企业内部的垂直型的agent应用,我们需要它按照既定的流程来进行执行但是现在主流框架为 企业级混合架构AgenticWorkflow用确定性的Workflow 构建坚如磐石的风控业务主干。在处理模糊信息、非结构化数据的局部节点引入Agentic机制。技术实现框架 LangGraph 和 Spring AI Alibaba这两款技术框架都可以实现 Agentic和Workflow所以用它们也可以完成混合的AgenticWorkflow架构既能保证确定性又能引入AI的灵活性后面的文章先介绍 SpringAI AlibabAgent Framework5.技术选型那么当业务和底层架构清晰之后技术团队通常就会面临技术选型的问题开发Agent有哪些方式1.基于Coze、Dify、fastGPT 这种Agent低代码SaaS平台使用这种拖拽的方式来去配置节点和插件,挂在知识库、API、MCP等等但这种低代码平台呢,它们通常更适合作为自己的个人助手,提升自己的工作效率,或者你需要快速上线一些非核心业务的AI辅助能力作为开发人员 这几种agent低代码SaaS平台 建议大家掌握一下但是这种方式 难以应对已有系统的业务深度集成平台级开发的业务耦合瓶颈当系统面临深水区时通用节点将无能为力1.跨微服务的分布式事务2.核心链路的精细并发控制3.复杂的历史遗留系统比如你的agent需要去接入已有系统的用户权限,比如你还需要更精细的并发控制,或者接入已有架构的服务组件2.开发继承方式二 基于框架的工程级代码开发而目前我们通过Spring AI Alibaba 就可以去开发 agent应用了它可以通过这种Graph流的方式来进行编程可以轻松的去开发 单agent 多agent和 workflow流程编排阿里已经全面支持agent的生态它提供了很多agent的开源框架和开源的产品供我们去使用如果你是JAVA开发 Spring AI Alibaba加入到你的技术栈当中去再结合公司特定的垂直业务 包装对于的项目到你的简历当中去接下来会给大家讲解 SpringAI Alibaba 并且手动构建一个简易版的LangChain项目以及集成不同行业的agent的流程所以 Java生态不用怀疑Java技术栈完全有能力去开发各种流派的AI智能体应用
相关文章
基于Si4731与PIC18F85K22的DIY收音机开发指南
1. 项目概述：基于Si4731与PIC18F85K22的DIY收音机开发 在电子爱好者的世界里，自己动手打造一台全功能收音机始终是充满魅力的挑战。这个项目将采用Si4731数字调频接收芯片与PIC18F85K22微控制器构建硬件平台，通过软件编程实现调频广播接收、频…
2、SSH 登录与密钥认证及Vue项目部署实践
目录 一、SSH 是什么 二、SSH 登录的基本过程 三、密码认证 1、密钥认证是什么 2、生成 SSH 密钥 3、把公钥放到服务器 4、使用指定私钥登录 5、SSH Config 配置 四、服务器端关键配置 1、authorized_keys 是什么 2、known_hosts 是什么 3、ssh-agent 是什么 4、调…
2026年英语老师必备：高效单词批改APP盘点与实操指南
摘要：本文聚焦英语教学中单词批改的核心痛点，系统盘点2026年三款主流高效单词批改APP，从批改效率、学情统计到教学闭环构建进行全面对比，并提供可落地的实操流程与选购建议，助力英语教师减负增效，提升单词教…
Spring Boot配置加密实战：Jasypt集成与安全强化指南
1. 项目概述：为什么我们需要加密Spring Boot配置？如果你在Spring Boot项目里直接把数据库密码、API密钥这些敏感信息写在application.yml或application.properties里，然后又把代码上传到了GitHub，那感觉就像把自家大门的钥匙挂在门…
Wireshark安装配置全攻略：从零搭建网络分析环境
1. 项目概述：为什么你需要Wireshark？如果你正在阅读这篇文章，大概率是因为你遇到了一个网络问题，或者对数据如何在网络中流动感到好奇。无论是网络工程师、安全分析师、运维人员，还是正在学习计算机网络的学生…
Web安全攻防：一句话木马原理、WAF绕过与防御实战
1. 项目概述：Web安全中的“幽灵”与“猎手”在Web渗透测试与安全防御的漫长拉锯战中，有一种武器因其极致的简洁与强大的破坏力而闻名，它就是“一句话木马”。这个名字听起来颇具诗意，但其本质却是一个功能完整的远程命令执行后门&…
西门子PLC自动配料控制全套实践资料：论文+博途仿真程序+运行逻辑详解
本文还有配套的精品资源，点击获取 简介：一套面向工控实践的西门子PLC自动配料系统学习资料，覆盖从理论到仿真的完整闭环。毕业论文约13000字，查重率低于25%，详细说明系统架构、传感器与电磁阀等硬件选型依据、I/O地…
LangChain实战：从RAG到智能体，构建企业级大模型应用
1. 项目概述：从“玩具”到“工具”的跨越最近两年，大模型的热度居高不下，从ChatGPT的横空出世到国内各种“通”字辈模型的百花齐放，相信很多开发者和我一样，都尝试过直接调用API，问几个问题，写几…
ADNI 多模态数据融合分析：结合 MRI 海马体体积与 PET FDG 代谢的 3 步预处理流程
ADNI多模态数据融合分析：MRI海马体体积与PET FDG代谢的3步预处理实战指南 在神经退行性疾病研究中，海马体萎缩与葡萄糖代谢降低是阿尔茨海默病(AD)的典型生物标记物。ADNI数据库提供的多模态影像数据为研究者提供了宝贵资源，但如何将结构MRI测…
Windows任务栏终极清理指南：用RBTray一键隐藏窗口到系统托盘
Windows任务栏终极清理指南：用RBTray一键隐藏窗口到系统托盘 【免费下载链接】rbtray A fork of RBTray from http://sourceforge.net/p/rbtray/code/. 项目地址: https://gitcode.com/gh_mirrors/rb/rbtray 你是否厌倦了Windows任务栏上密密麻麻的图标&…
多协议远程连接管理工具mRemoteNG：告别混乱，统一你的远程桌面管理
多协议远程连接管理工具mRemoteNG：告别混乱，统一你的远程桌面管理 【免费下载链接】mRemoteNG mRemoteNG is the next generation of mRemote, open source, tabbed, multi-protocol, remote connections manager. 项目地址: https://gitcode.com/gh_m…
私有云管理平台登录绕过漏洞：从客户端信任模型到安全防御实践
1. 项目概述：一次典型的私有云管理平台登录绕过漏洞复现最近在整理内部安全测试案例库时，翻到了一个挺有意思的旧案例，是关于一个私有云管理平台的登录绕过漏洞。这个漏洞的利用方式非常“经典”，属于那种在特定开发框架或编码习惯…
3步彻底解决Windows右键菜单混乱问题：ContextMenuManager使用全攻略
3步彻底解决Windows右键菜单混乱问题：ContextMenuManager使用全攻略 【免费下载链接】ContextMenuManager 🖱️ 纯粹的Windows右键菜单管理程序 项目地址: https://gitcode.com/gh_mirrors/co/ContextMenuManager 你是否曾为Windows右键菜单中那些…
从GitHub安全案例解析常见漏洞与防护实践
1. 项目概述：从GitHub Trending看安全实战 最近在GitHub Trending上看到一个项目，叫 skills4/skills ，它因为一些安全漏洞案例被大家讨论。这其实是一个挺典型的场景：一个旨在展示或教授某种技能的仓库，本身却成了安…
MLT 2026启示：因果推理与概率建模驱动下一代LLM应用
# MLT 2026启示：因果推理与概率建模驱动下一代LLM应用## 一、背景与挑战：从“黑箱预测”到“可信推理”2026年6月，第7届机器学习与趋势国际会议（MLT 2026）将在悉尼召开。会议议程中，“因果与可解释机器学习…
FAE放射组学分析工具：医学影像特征探索的完整解决方案
FAE放射组学分析工具：医学影像特征探索的完整解决方案 【免费下载链接】FAE FeAture Explorer 项目地址: https://gitcode.com/gh_mirrors/fae/FAE 你是否曾经面对海量医学影像数据感到无从下手？想要从CT、MRI等影像中提取有价值的定量特征&#…
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南
0.69B参数实现中文多模态AI：揭秘Qwen3-SmVL模型融合技术的完整实战指南 【免费下载链接】happy-llm 📚 从零开始构建大模型 项目地址: https://gitcode.com/GitHub_Trending/ha/happy-llm 还在为大型多模态模型动辄数十亿参数、显存占用高而烦恼&…
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南
解锁AMD Ryzen处理器性能潜力的SMU调试神器：从新手到专家的完整指南 【免费下载链接】SMUDebugTool A dedicated tool to help write/read various parameters of Ryzen-based systems, such as manual overclock, SMU, PCI, CPUID, MSR and Power Table. 项目地址…