随着Java在AI领域的广泛应用选择合适的框架变得至关重要。本文对比了Spring AI、LangChain4j、Spring AI Alibaba、Solon AI、JBoltAI、AgentScope-Java等7个主流Java AI框架从GitHub Stars、版本、框架依赖、模型支持、RAG功能、Agent和Skill支持等方面进行了详细分析并给出了选型建议帮助开发者根据自身需求选择最合适的框架。2026 年了Java 做 AI 不再是能不能的问题而是用哪个的问题。Spring AI、LangChain4j 等框架都给出了自己的答案。这篇文章整理了 7 个主流框架的实际数据、代码示例和选型判断。一、整体对比维度Spring AILangChain4jSpring AI AlibabaSolon AIJBoltAIAgentScope-JavaGitHub Stars8,85412,1969,8712,745~1,2003,458最新版本2.0.0-M8 (2026-05)1.15.1 (2026-05)1.1.2.03.10.71.0.xv2框架依赖Spring Boot框架中立Spring Boot无纯JDKSpring Boot框架中立Java 版本Java 17Java 17Java 17Java 8~26Java 17Java 17模型支持1020通义为主多模型5多模型含本地多模型RAG✅ 内置✅ 内置✅ 内置✅ 独立模块✅ 核心特色⚠️ 基础Agent⚠️ 基础✅ 完整✅ 完整✅ ReActAgentTeamAgent✅ AgentRAG✅ 完整Skill❌ 无抽象✅ 原生✅ 原生✅原生最丰富⚠️ 平台级✅ 原生可观测性✅ Micrometer⚠️ 基础⚠️ 基础⚠️ 基础✅ 完整日志⚠️ 基础二、各框架详解1. Spring AI ⭐⭐⭐⭐⭐定位Spring 官方推出的 AI 框架把 Spring 的设计哲学依赖注入、自动配置、POJO 编程带到 AI 开发中。GitHubhttps://github.com/spring-projects/spring-ai |Stars8,854 |最新版本2.0.0-M8核心能力ChatClient— 流式 API风格类似 WebClient/RestClientTool/Function Calling— 让模型调用业务方法RAG— 基于向量数据库的检索增强生成Advisors— 拦截器模式封装对话记忆、安全审核等通用逻辑ETL Pipeline— 文档注入框架数据预处理Structured Output— AI 输出转 POJO可观测性— 与 Micrometer 深度集成模型评估— 评估生成内容质量支持模型OpenAI、Anthropic、DeepSeek、Google Gemini、Ollama、Amazon Bedrock、Azure OpenAI、阿里通义 等 10。支持向量库PGVector、Chroma、Pinecone、Redis、Milvus、Weaviate、Elasticsearch、MongoDB Atlas、Cassandra、Qdrant、Oracle 等 15。快速上手Maven 依赖Spring Boot 3.5.x Spring AI 1.1.xdependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-openai-spring-boot-starter/artifactId version1.1.7/version/dependencyapplication.ymlspring: ai: openai: api-key: ${OPENAI_API_KEY} chat: options: model: gpt-4oChatClient 使用RestControllerclass ChatController { private final ChatClient chatClient; public ChatController(ChatClient.Builder builder) { this.chatClient builder.build(); } GetMapping(/chat) String chat(RequestParam String message) { return chatClient.prompt() .user(message) .call() .content(); }}带 RAG 的 ChatClientRestControllerclass RagController { private final ChatClient chatClient; public RagController(ChatClient.Builder builder, VectorStore vectorStore) { this.chatClient builder .defaultAdvisors( new VectorStoreChatMemoryAdvisor(vectorStore), new QuestionAnswerAdvisor(vectorStore, SearchRequest.defaults()) ) .build(); } GetMapping(/rag) String chat(RequestParam String message) { return chatClient.prompt() .user(message) .call() .content(); }}Skill 支持无原生 Skill 抽象。Spring AI 不支持通用的 Skill/SKILL.md 机制。其等价能力仅通过 Tool Calling 实现Tool注解— 将方法注册为 AI 可调用的工具FunctionToolCallback— 编程式注册工具ToolContext— 工具执行上下文// 注册一个工具Tool(description 查询天气)String getWeather(String city) { ... }// 通过 ChatClient 调用chatClient.prompt() .tools(getWeather) .user(北京天气) .call();但 Tool 不具备渐进式披露能力元信息列表→按需加载也没有标准化的 SKILL.md 目录结构。需要 Skill 机制时需配合 LangChain4j 或 Spring AI Alibaba 使用。Agent 支持Agent 能力相对基础。Spring AI 的 Agent 模式基于Advisors 链ChatClient Advisors— 在 ChatClient 调用前后插入处理逻辑工具调用— 模型可请求执行注册的 Tool 函数对话记忆— MessageChatMemoryAdvisor 维护多轮上下文缺乏 LangChain4j 或 Spring AI Alibaba 那样的声明式 Agent 接口和自循环推理机制。优缺点优点缺点Spring 生态无缝集成学习成本最低必须依赖 Spring Boot官方维护迭代稳定无原生 Skill/Agent 抽象开箱即用的自动配置Agent 能力相对基础可观测性原生支持2. LangChain4j ⭐⭐⭐⭐⭐定位社区最活跃的 Java AI 框架没有之一。框架中立不绑 SpringQuarkus、Micronaut、Helidon、纯 Java 都能用。GitHubhttps://github.com/langchain4j/langchain4j |Stars12,196 |最新版本1.15.1核心能力AI Service— 声明式编程通过接口注解定义 AI 服务无需实现类Tool/Function Calling— 强大的工具调用机制RAG— 完整的数据摄取→检索管道Agent—langchain4j-agentic模块支持 Workflow 和 Pure AgentSkill— 原生 Skill 模块遵循 Agent Skills 规范MCP 支持— Model Context ProtocolChat Memory— 多种记忆模式30 向量数据库— 业界最广覆盖快速上手Maven 依赖dependency groupIddev.langchain4j/groupId artifactIdlangchain4j/artifactId version1.15.1/version/dependencydependency groupIddev.langchain4j/groupId artifactIdlangchain4j-open-ai/artifactId version1.15.1/version/dependency基础对话ChatLanguageModel model OpenAiChatModel.builder() .apiKey(System.getenv(OPENAI_API_KEY)) .modelName(gpt-4o) .build();String answer model.generate(Java 8 和 Java 17 有什么区别);AI Service 声明式编程核心特色interface CustomerSupportAgent { SystemMessage(你是一个客服助手) String chat(UserMessage String userMessage);}CustomerSupportAgent agent AiServices.create(CustomerSupportAgent.class, model);String response agent.chat(这款产品的退款政策是什么);Skill 支持 ✅ 原生支持遵循 Agent Skills 规范LangChain4j 通过langchain4j-agentic模块提供原生 Skill 支持遵循Agent Skills 规范SKILL.md 格式。Skill 目录结构skill-name/├── SKILL.md # 必需YAML frontmattername description 指令正文├── references/ # 可选参考文档├── examples/ # 可选示例└── scripts/ # 可选脚本SKILL.md 格式---name: docxdescription: Edit and review Word documents using tracked changes---# Word Document EditorInstructions for editing Word documents...两种使用模式模式一Tool Mode推荐Skill 目录通过FileSystemSkillLoader加载为 Tool直接注入 AI Service。Skills skills FileSystemSkillLoader.loadSkills(Path.of(skills/));MyAiService service AiServices.builder(MyAiService.class) .chatModel(chatModel) .tools(skills) // 所有 Skill 自动注册为 Tool .build();模式二Shell Mode实验性通过ShellSkills将 Skill 的执行交给 Shell 命令。适合快速原型和第三方技能如agentskills.io生态。ShellSkills skills ShellSkills.from( FileSystemSkillLoader.loadSkills(Path.of(skills/)));MyAiService service AiServices.builder(MyAiService.class) .chatModel(chatModel) .toolProvider(skills.toolProvider()) .systemMessage(You have access to the following skills:\n skills.formatAvailableSkills() \nWhen the users request relates to one of these skills, read its SKILL.md before proceeding.) .build();formatAvailableSkills()的输出包含location字段LLM 可据此定位 SKILL.md 文件路径。工作方式渐进式披露— 先注入元信息name description模型按需按路径加载完整内容保持上下文精简— 只在需要时加载大段指令Agent 支持 ✅ 完整langchain4j-agentic模块提供两种模式Workflow 模式预定义编排流程顺序、并行、条件路由、循环Pure Agent 模式模型自主决策动态选择工具Agentinterface CustomerSupportAgent { String chat(UserMessage String userMessage);}MCP 集成langchain4j-agentic-mcp模块支持 MCP 工具作为 Agent 节点。优缺点优点缺点功能最全面SkillAgent 能力最强API 相对复杂框架中立生态最广Agent 模块标注 experimental社区最活跃12k Stars文档在某些领域不够完善原生 Skill 支持3. Spring AI Alibaba ⭐⭐⭐⭐⚠️说明Spring AI Alibaba 是阿里推出的独立项目alibaba/spring-ai-alibaba与 Spring Cloud Alibaba 无关。后者是微服务中间件。定位阿里出的独立项目专攻多智能体系统和工作流编排。深度集成 Spring AI 生态核心跑在 Graph Runtime 上。GitHubhttps://github.com/alibaba/spring-ai-alibaba |Stars9,871 |版本1.1.2.0官方文档https://java2ai.com/docs/overview快速上手Maven 依赖dependency groupIdcom.alibaba.cloud.ai/groupId artifactIdspring-ai-alibaba-agent-framework/artifactId version1.1.2.0/version/dependencydependency groupIdcom.alibaba.cloud.ai/groupId artifactIdspring-ai-alibaba-starter-dashscope/artifactId version1.1.2.1/version/dependency构建 ReactAgentDashScopeApi dashScopeApi DashScopeApi.builder() .apiKey(System.getenv(AI_DASHSCOPE_API_KEY)) .build();ChatModel chatModel DashScopeChatModel.builder() .dashScopeApi(dashScopeApi) .build();// 定义工具ToolCallback weatherTool FunctionToolCallback.builder(get_weather, new WeatherTool()) .description(Get weather for a given city) .inputType(String.class) .build();// 创建 ReactAgentReactAgent agent ReactAgent.builder() .name(weather_agent) .model(chatModel) .tools(weatherTool) .build();String result agent.run(北京的天气怎么样);Skill 支持 ✅ 原生支持遵循 Agent Skills 规范Spring AI Alibaba 通过SkillRegistrySkillsAgentHook提供原生 Skill 支持同样遵循Agent Skills 规范。核心组件SkillRegistry— 技能注册中心管理所有 Skill 的元信息SkillsAgentHook— Agent 钩子自动注入read_skill工具和技能列表到 System PromptFileSystemSkillRegistry— 从本地文件系统加载 Skill 目录Skill 目录结构与 LangChain4j 完全一致skills/├── pdf-extractor/│ ├── SKILL.md # YAML frontmattername description 指令│ ├── references/ # 可选│ └── scripts/ # 可选├── code-reviewer/│ └── SKILL.mdSKILL.md 格式完全一致---name: pdf-extractordescription: Extract structured data from PDF documents---# PDF ExtractorInstructions for extracting data from PDF files...在 Agent 中使用SkillRegistry registry FileSystemSkillRegistry.builder() .projectSkillsDirectory(System.getProperty(user.dir) /skills) .build();SkillsAgentHook hook SkillsAgentHook.builder() .skillRegistry(registry) .build();ReactAgent agent ReactAgent.builder() .name(skills-agent) .model(chatModel) .saver(new MemorySaver()) .hooks(List.of(hook)) .build();agent.call(请介绍你有哪些技能);工作方式渐进式披露— System Prompt 先注入技能列表name, description, skillPath模型判断需要某技能时调用read_skill(skill_name)加载完整 SKILL.md按需访问技能目录下的 resources 或使用绑定的工具Agent 支持 ✅ 完善单 AgentReactAgentReAct 范式思考→行动→观察循环多 Agent 工作流SequentialAgent— 链式顺序执行ParallelAgent— 并行执行LlmRoutingAgent— LLM 路由分发LoopAgent— 循环迭代执行高级编排Graph CoreDAG 工作流 条件路由 状态管理 PlantUML/Mermaid 可视化A2AAgent-to-Agent通过 Nacos 实现分布式 Agent 间通信优缺点优点缺点Agent/Multi-Agent 能力最完善强依赖阿里云 DashScopeGraph 工作流编排强大国际化和社区规模较小原生 Skill 支持部分文档以中文为主与 Spring AI 生态兼容模型锁定风险4. Solon AI ⭐⭐⭐⭐定位全场景轻量级 Java AI 框架。无需框架容器纯 JDK 即可运行支持 Java 8 到 Java 26。GitHubhttps://github.com/opensolon/solon |Stars2,745 |AI 版本v3.9.0v3.10.7AI 模块体系solon-ai— LLM 基础模型、Prompt、Tool、Skill、方言solon-ai-skills— 技能开发独立模块v3.9.0solon-ai-rag— RAG 知识库solon-ai-flow— AI 工作流编排solon-ai-agent— AgentSimpleAgent、ReActAgent、TeamAgentsolon-ai-harness— Harness 智能体马具框架solon-ai-mcp— MCP 协议快速上手dependency groupIdorg.noear/groupId artifactIdsolon-ai/artifactId version3.10.7/version/dependency plaintext Controllerpublic class AIController { Inject private ChatClient chatClient; Mapping(/chat) public String chat(String msg) { return chatClient.prompt(msg).call().content(); }}Skill 支持 ✅ 原生支持功能最丰富Solon AI Skills 是其独立模块solon-ai-skillsv3.9.0概念原型参考了 Claude Code Agent Skills 的设计思想。核心特色特性说明构建方式两种构建方式声明式/编程式多态性技能多态同一接口不同实现动态 Prompt提示语动态赋能注册与优先级SkillRegistry 优先级排序加载策略按需动态加载与渐进式加载区分分布式Remote Skills 支持预置技能内置 20 个预置技能生态兼容CliSkill 对接海量 Claude Agent SkillsSkill 类型体系Skill 类型用途CliSkill对接海量 Claude Agent Skills 生态兼容 agentskills.ioRestApiSkill对接海量 WebAPIToolGatewaySkill对接 Tool或 MCP 服务Text2SqlSkill数据库自然语言查询Remote Skill分布式技能跨服务调用Tool 与 Skill 的区别Tool 是功能型执行原子操作Skill 是知识型包含指令/SOP/上下文。Skill 可以包含多个 Tool 调用和决策逻辑。Agent 支持 ✅Solon AI Agent 模块solon-ai-agent提供三种 Agent 类型SimpleAgent— 简单对话代理ReActAgent— 推理行动循环TeamAgent— 多智能体团队协作另有solon-ai-harnessHarness 马具框架提供智能体脚手架能力。solon-ai-flow提供 AI 工作流编排类似 Spring AI Alibaba 的 Graph Core。优缺点优点缺点极致轻量内存~1MB核心社区和生态较小支持 Java 8~26国际化程度有限Skill 系统最完善16 子主题文档文档以中文为主预置 20 个技能开箱即用企业级特性较少兼容 Claude Skills 生态5. JBoltAI ⭐⭐⭐⭐定位面向企业的 Java AI 应用开发框架强调私有化部署、全链路可追溯、AgentRAG。网站https://jboltai.com核心特色AgentRAG— 理解→规划→检索→评估→再检索→生成完整链路私有化部署— Docker/K8s 全量本地运行知识库管理— 自动分块、向量化、混合检索可视化工作流— 拖拽式 Agent 编排审计日志— 全链路追踪Skill 与 Agent 支持无原生 Skill 抽象。但提供平台级替代方案Agent 模板— 预设的 Agent 配置模板类似 Skill 的可复用套餐插件系统— 对接企业系统的扩展点可视化编排— 拖拽式构建工作流Agent 方面AgentRAG 框架实现完整的推理链路过程透明可追溯。优缺点优点缺点企业级私有化部署社区规模较小全链路可追溯无原生 Skill 抽象可视化编排部分功能需企业版6. AgentScope-Java ⭐⭐⭐⭐定位面向生产环境的智能体运行平台阿里通义实验室出品。提供 ReAct 推理、Harness 工程化基础设施、多智能体编排与 MCP/A2A 协议支持。GitHubhttps://github.com/agentscope-ai/agentscope-java |Stars3,457核心能力Harness 工程化— 长期运行、复杂任务的工程底座多智能体— 子 Agent 声明 agent_spawn/agent_sendMiddleware— onAgent/onReasoning/onActing/onModelCall 五层钩子沙箱执行— 本地/Docker/E2B 一行切换快照恢复工具与 MCP— 注解驱动工具注册统一 MCP 接入Workspace 抽象— 工作区即 Agent 人格记忆领域知识自学习闭环— Agent 自起草 Skill → 审核 → 后台整理Skill 支持 ✅ 原生支持Agent Skills 规范AgentScope-Java 通过SkillRepository提供原生 Skill 支持同样遵循Agent Skills 规范。两大来源技能市场Skill Repository— Git 仓库 / Nacos / MySQL / classpath / 自定义后端工作区—workspace/skills/共享 /userId/skills/按用户隔离Skill 目录结构完全一致code-reviewer/├── SKILL.md # YAML frontmattername description 指令正文├── references/ # 参考文档agent 按需读取│ └── style-guide.md└── scripts/ # agent 可通过 shell 调用的脚本 └── run-checks.shSKILL.md 格式完全一致---name: code-reviewerdescription: 当用户需要代码评审、风格反馈或 PR 审核时使用。---# Code Reviewer步骤1. 读 references/style-guide.md 获取项目规范2. 跑 scripts/run-checks.sh 目标路径多后端支持// Git 技能仓库HarnessAgent agent HarnessAgent.builder() .name(assistant) .model(model) .workspace(workspace) .skillRepository(new GitSkillRepository(https://github.com/your-org/team-skills.git)) .build();// Nacos 技能市场NacosSkillRepository market new NacosSkillRepository(aiService, namespace);HarnessAgent.builder() .skillRepository(market) .build();// MySQL 技能注册表MysqlSkillRepository registry MysqlSkillRepository.builder(dataSource) .databaseName(agentscope) .skillsTableName(skills) .createIfNotExist(true) .writeable(true) .build();自学习闭环Agent 可以从执行中总结经验自动起草 Skill → 审核 → 周期性后台整理成功模式以 Markdown 技能形式自动沉淀到workspace/skills/每轮按需加载、跨会话共享——Agent 在每次运行之间累积 know-howAgent 支持 ✅ 完善HarnessAgentMiddleware Toolkit 两个扩展通道把工作区、记忆、沙箱、子 Agent、技能与计划模式打包。子智能体在 Markdown 里声明子 agent 规格运行时按需agent_spawn/agent_send支持同步阻塞与后台委派。后台任务终态通过 system-reminder 反向推送。多 Agent 协作支持 Pipeline、Broadcast、Sequential 等协作模式。A2A MCP跨进程 Agent 编排与工具集成。优缺点优点缺点多 Agent 协作最强文档以中文为主原生 Skill 支持多后端社区生产验证案例较少自学习闭环学习曲线较陡Harness 工程化完善偏向研究型场景沙箱执行 快照恢复7. 官方 SDK当只需要简单调用某个模型 API 时使用。无 Skill/Agent 抽象。SDKGitHub Stars说明openai-java (TheoKanning)4,745非官方但最成熟的 OpenAI Java 客户端openai-java (官方)1,466OpenAI 官方 Java 库deepseek4j752DeepSeek Java SDKchatgpt-java3,449支持流式输出、GPT 插件三、Skill 支持对比Skill技能定义为遵循 Agent Skills 规范的可复用能力包——一个包含SKILL.mdYAML frontmatter 指令的目录支持渐进式披露先列元信息按需加载详情。对比总表框架原生 Skill遵循规范SKILL.md支持后端特色能力Solon AI✅✅ Claude Skills 规范✅本地/Remote20个预置技能、CliSkill/RestApiSkill/ToolGatewaySkill/Text2SqlSkill、分布式、多态、优先级LangChain4j✅✅ Agent Skills 规范✅文件系统Tool Mode / Shell Mode 双模式Spring AI Alibaba✅✅ Agent Skills 规范✅文件系统SkillRegistry SkillsAgentHookAgentScope-Java✅✅ Agent Skills 规范✅Git/Nacos/MySQL/文件自学习闭环Spring AI❌——仅 Tool Callback—JBoltAI⚠️ 平台级——Agent 模板 插件—官方 SDK❌————四者对比四个框架LangChain4j、Spring AI Alibaba、AgentScope-Java、Solon AI均实现了原生 Skill 支持差异在于规范遵循和接入方式维度LangChain4jSpring AI AlibabaAgentScope-JavaSolon AI遵循规范Agent Skills 规范Agent Skills 规范Agent Skills 规范Claude Skills 规范注册方式Skills API / ShellSkillsSkillRegistry SkillsAgentHookSkillRepositorySkillRegistry加载方式文件系统FileSystemSkillRegistryGit / Nacos / MySQL / 文件本地 / Remote与 Agent 结合AiServices.tools() / .toolProvider()ReactAgent.hooks()HarnessAgent 内建ChatModel/Agent 内建Skill 类型SKILL.md 目录SKILL.md 目录SKILL.md 目录CliSkill / RestApiSkill / ToolGatewaySkill / Text2SqlSkill预置技能❌❌❌✅ 20 个生态兼容❌❌❌✅ Claude Skills 生态同一切换不同后端❌❌✅❌四、Agent 支持对比框架单 Agent多 Agent工作流编排核心实现评价Spring AI⚠️ 基础❌⚠️ 简单链ChatClient Advisor适合对话类LangChain4j✅✅✅ WorkflowPure AgentAgent agentic 模块 MCP最灵活Spring AI Alibaba✅✅✅ Graph/DAGReactAgent Multi-Agent Graph Core A2A多 Agent 编排最强Solon AI✅✅✅SimpleAgent ReActAgent TeamAgent Harness Flow模块最完整JBoltAI✅⚠️✅ 可视化编排AgentRAG 拖拽式企业级AgentScope-Java✅✅✅ 多种协作HarnessAgent SubAgent Middleware生产级工程化最强官方 SDK❌❌❌——最后唠两句为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200% 远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。那0基础普通人如何学习大模型 深耕科技一线十二载亲历技术浪潮变迁。我见证那些率先拥抱AI的同行如何建立起效率与薪资的代际优势。如今我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理分享于此为你扫清学习困惑共赴AI时代新程。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传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】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】
JAVA技术栈AI开发框架选型指南（2026）
发布时间：2026/7/16 21:19:30
随着Java在AI领域的广泛应用选择合适的框架变得至关重要。本文对比了Spring AI、LangChain4j、Spring AI Alibaba、Solon AI、JBoltAI、AgentScope-Java等7个主流Java AI框架从GitHub Stars、版本、框架依赖、模型支持、RAG功能、Agent和Skill支持等方面进行了详细分析并给出了选型建议帮助开发者根据自身需求选择最合适的框架。2026 年了Java 做 AI 不再是能不能的问题而是用哪个的问题。Spring AI、LangChain4j 等框架都给出了自己的答案。这篇文章整理了 7 个主流框架的实际数据、代码示例和选型判断。一、整体对比维度Spring AILangChain4jSpring AI AlibabaSolon AIJBoltAIAgentScope-JavaGitHub Stars8,85412,1969,8712,745~1,2003,458最新版本2.0.0-M8 (2026-05)1.15.1 (2026-05)1.1.2.03.10.71.0.xv2框架依赖Spring Boot框架中立Spring Boot无纯JDKSpring Boot框架中立Java 版本Java 17Java 17Java 17Java 8~26Java 17Java 17模型支持1020通义为主多模型5多模型含本地多模型RAG✅ 内置✅ 内置✅ 内置✅ 独立模块✅ 核心特色⚠️ 基础Agent⚠️ 基础✅ 完整✅ 完整✅ ReActAgentTeamAgent✅ AgentRAG✅ 完整Skill❌ 无抽象✅ 原生✅ 原生✅原生最丰富⚠️ 平台级✅ 原生可观测性✅ Micrometer⚠️ 基础⚠️ 基础⚠️ 基础✅ 完整日志⚠️ 基础二、各框架详解1. Spring AI ⭐⭐⭐⭐⭐定位Spring 官方推出的 AI 框架把 Spring 的设计哲学依赖注入、自动配置、POJO 编程带到 AI 开发中。GitHubhttps://github.com/spring-projects/spring-ai |Stars8,854 |最新版本2.0.0-M8核心能力ChatClient— 流式 API风格类似 WebClient/RestClientTool/Function Calling— 让模型调用业务方法RAG— 基于向量数据库的检索增强生成Advisors— 拦截器模式封装对话记忆、安全审核等通用逻辑ETL Pipeline— 文档注入框架数据预处理Structured Output— AI 输出转 POJO可观测性— 与 Micrometer 深度集成模型评估— 评估生成内容质量支持模型OpenAI、Anthropic、DeepSeek、Google Gemini、Ollama、Amazon Bedrock、Azure OpenAI、阿里通义 等 10。支持向量库PGVector、Chroma、Pinecone、Redis、Milvus、Weaviate、Elasticsearch、MongoDB Atlas、Cassandra、Qdrant、Oracle 等 15。快速上手Maven 依赖Spring Boot 3.5.x Spring AI 1.1.xdependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-openai-spring-boot-starter/artifactId version1.1.7/version/dependencyapplication.ymlspring: ai: openai: api-key: ${OPENAI_API_KEY} chat: options: model: gpt-4oChatClient 使用RestControllerclass ChatController { private final ChatClient chatClient; public ChatController(ChatClient.Builder builder) { this.chatClient builder.build(); } GetMapping(/chat) String chat(RequestParam String message) { return chatClient.prompt() .user(message) .call() .content(); }}带 RAG 的 ChatClientRestControllerclass RagController { private final ChatClient chatClient; public RagController(ChatClient.Builder builder, VectorStore vectorStore) { this.chatClient builder .defaultAdvisors( new VectorStoreChatMemoryAdvisor(vectorStore), new QuestionAnswerAdvisor(vectorStore, SearchRequest.defaults()) ) .build(); } GetMapping(/rag) String chat(RequestParam String message) { return chatClient.prompt() .user(message) .call() .content(); }}Skill 支持无原生 Skill 抽象。Spring AI 不支持通用的 Skill/SKILL.md 机制。其等价能力仅通过 Tool Calling 实现Tool注解— 将方法注册为 AI 可调用的工具FunctionToolCallback— 编程式注册工具ToolContext— 工具执行上下文// 注册一个工具Tool(description 查询天气)String getWeather(String city) { ... }// 通过 ChatClient 调用chatClient.prompt() .tools(getWeather) .user(北京天气) .call();但 Tool 不具备渐进式披露能力元信息列表→按需加载也没有标准化的 SKILL.md 目录结构。需要 Skill 机制时需配合 LangChain4j 或 Spring AI Alibaba 使用。Agent 支持Agent 能力相对基础。Spring AI 的 Agent 模式基于Advisors 链ChatClient Advisors— 在 ChatClient 调用前后插入处理逻辑工具调用— 模型可请求执行注册的 Tool 函数对话记忆— MessageChatMemoryAdvisor 维护多轮上下文缺乏 LangChain4j 或 Spring AI Alibaba 那样的声明式 Agent 接口和自循环推理机制。优缺点优点缺点Spring 生态无缝集成学习成本最低必须依赖 Spring Boot官方维护迭代稳定无原生 Skill/Agent 抽象开箱即用的自动配置Agent 能力相对基础可观测性原生支持2. LangChain4j ⭐⭐⭐⭐⭐定位社区最活跃的 Java AI 框架没有之一。框架中立不绑 SpringQuarkus、Micronaut、Helidon、纯 Java 都能用。GitHubhttps://github.com/langchain4j/langchain4j |Stars12,196 |最新版本1.15.1核心能力AI Service— 声明式编程通过接口注解定义 AI 服务无需实现类Tool/Function Calling— 强大的工具调用机制RAG— 完整的数据摄取→检索管道Agent—langchain4j-agentic模块支持 Workflow 和 Pure AgentSkill— 原生 Skill 模块遵循 Agent Skills 规范MCP 支持— Model Context ProtocolChat Memory— 多种记忆模式30 向量数据库— 业界最广覆盖快速上手Maven 依赖dependency groupIddev.langchain4j/groupId artifactIdlangchain4j/artifactId version1.15.1/version/dependencydependency groupIddev.langchain4j/groupId artifactIdlangchain4j-open-ai/artifactId version1.15.1/version/dependency基础对话ChatLanguageModel model OpenAiChatModel.builder() .apiKey(System.getenv(OPENAI_API_KEY)) .modelName(gpt-4o) .build();String answer model.generate(Java 8 和 Java 17 有什么区别);AI Service 声明式编程核心特色interface CustomerSupportAgent { SystemMessage(你是一个客服助手) String chat(UserMessage String userMessage);}CustomerSupportAgent agent AiServices.create(CustomerSupportAgent.class, model);String response agent.chat(这款产品的退款政策是什么);Skill 支持 ✅ 原生支持遵循 Agent Skills 规范LangChain4j 通过langchain4j-agentic模块提供原生 Skill 支持遵循Agent Skills 规范SKILL.md 格式。Skill 目录结构skill-name/├── SKILL.md # 必需YAML frontmattername description 指令正文├── references/ # 可选参考文档├── examples/ # 可选示例└── scripts/ # 可选脚本SKILL.md 格式---name: docxdescription: Edit and review Word documents using tracked changes---# Word Document EditorInstructions for editing Word documents...两种使用模式模式一Tool Mode推荐Skill 目录通过FileSystemSkillLoader加载为 Tool直接注入 AI Service。Skills skills FileSystemSkillLoader.loadSkills(Path.of(skills/));MyAiService service AiServices.builder(MyAiService.class) .chatModel(chatModel) .tools(skills) // 所有 Skill 自动注册为 Tool .build();模式二Shell Mode实验性通过ShellSkills将 Skill 的执行交给 Shell 命令。适合快速原型和第三方技能如agentskills.io生态。ShellSkills skills ShellSkills.from( FileSystemSkillLoader.loadSkills(Path.of(skills/)));MyAiService service AiServices.builder(MyAiService.class) .chatModel(chatModel) .toolProvider(skills.toolProvider()) .systemMessage(You have access to the following skills:\n skills.formatAvailableSkills() \nWhen the users request relates to one of these skills, read its SKILL.md before proceeding.) .build();formatAvailableSkills()的输出包含location字段LLM 可据此定位 SKILL.md 文件路径。工作方式渐进式披露— 先注入元信息name description模型按需按路径加载完整内容保持上下文精简— 只在需要时加载大段指令Agent 支持 ✅ 完整langchain4j-agentic模块提供两种模式Workflow 模式预定义编排流程顺序、并行、条件路由、循环Pure Agent 模式模型自主决策动态选择工具Agentinterface CustomerSupportAgent { String chat(UserMessage String userMessage);}MCP 集成langchain4j-agentic-mcp模块支持 MCP 工具作为 Agent 节点。优缺点优点缺点功能最全面SkillAgent 能力最强API 相对复杂框架中立生态最广Agent 模块标注 experimental社区最活跃12k Stars文档在某些领域不够完善原生 Skill 支持3. Spring AI Alibaba ⭐⭐⭐⭐⚠️说明Spring AI Alibaba 是阿里推出的独立项目alibaba/spring-ai-alibaba与 Spring Cloud Alibaba 无关。后者是微服务中间件。定位阿里出的独立项目专攻多智能体系统和工作流编排。深度集成 Spring AI 生态核心跑在 Graph Runtime 上。GitHubhttps://github.com/alibaba/spring-ai-alibaba |Stars9,871 |版本1.1.2.0官方文档https://java2ai.com/docs/overview快速上手Maven 依赖dependency groupIdcom.alibaba.cloud.ai/groupId artifactIdspring-ai-alibaba-agent-framework/artifactId version1.1.2.0/version/dependencydependency groupIdcom.alibaba.cloud.ai/groupId artifactIdspring-ai-alibaba-starter-dashscope/artifactId version1.1.2.1/version/dependency构建 ReactAgentDashScopeApi dashScopeApi DashScopeApi.builder() .apiKey(System.getenv(AI_DASHSCOPE_API_KEY)) .build();ChatModel chatModel DashScopeChatModel.builder() .dashScopeApi(dashScopeApi) .build();// 定义工具ToolCallback weatherTool FunctionToolCallback.builder(get_weather, new WeatherTool()) .description(Get weather for a given city) .inputType(String.class) .build();// 创建 ReactAgentReactAgent agent ReactAgent.builder() .name(weather_agent) .model(chatModel) .tools(weatherTool) .build();String result agent.run(北京的天气怎么样);Skill 支持 ✅ 原生支持遵循 Agent Skills 规范Spring AI Alibaba 通过SkillRegistrySkillsAgentHook提供原生 Skill 支持同样遵循Agent Skills 规范。核心组件SkillRegistry— 技能注册中心管理所有 Skill 的元信息SkillsAgentHook— Agent 钩子自动注入read_skill工具和技能列表到 System PromptFileSystemSkillRegistry— 从本地文件系统加载 Skill 目录Skill 目录结构与 LangChain4j 完全一致skills/├── pdf-extractor/│ ├── SKILL.md # YAML frontmattername description 指令│ ├── references/ # 可选│ └── scripts/ # 可选├── code-reviewer/│ └── SKILL.mdSKILL.md 格式完全一致---name: pdf-extractordescription: Extract structured data from PDF documents---# PDF ExtractorInstructions for extracting data from PDF files...在 Agent 中使用SkillRegistry registry FileSystemSkillRegistry.builder() .projectSkillsDirectory(System.getProperty(user.dir) /skills) .build();SkillsAgentHook hook SkillsAgentHook.builder() .skillRegistry(registry) .build();ReactAgent agent ReactAgent.builder() .name(skills-agent) .model(chatModel) .saver(new MemorySaver()) .hooks(List.of(hook)) .build();agent.call(请介绍你有哪些技能);工作方式渐进式披露— System Prompt 先注入技能列表name, description, skillPath模型判断需要某技能时调用read_skill(skill_name)加载完整 SKILL.md按需访问技能目录下的 resources 或使用绑定的工具Agent 支持 ✅ 完善单 AgentReactAgentReAct 范式思考→行动→观察循环多 Agent 工作流SequentialAgent— 链式顺序执行ParallelAgent— 并行执行LlmRoutingAgent— LLM 路由分发LoopAgent— 循环迭代执行高级编排Graph CoreDAG 工作流 条件路由 状态管理 PlantUML/Mermaid 可视化A2AAgent-to-Agent通过 Nacos 实现分布式 Agent 间通信优缺点优点缺点Agent/Multi-Agent 能力最完善强依赖阿里云 DashScopeGraph 工作流编排强大国际化和社区规模较小原生 Skill 支持部分文档以中文为主与 Spring AI 生态兼容模型锁定风险4. Solon AI ⭐⭐⭐⭐定位全场景轻量级 Java AI 框架。无需框架容器纯 JDK 即可运行支持 Java 8 到 Java 26。GitHubhttps://github.com/opensolon/solon |Stars2,745 |AI 版本v3.9.0v3.10.7AI 模块体系solon-ai— LLM 基础模型、Prompt、Tool、Skill、方言solon-ai-skills— 技能开发独立模块v3.9.0solon-ai-rag— RAG 知识库solon-ai-flow— AI 工作流编排solon-ai-agent— AgentSimpleAgent、ReActAgent、TeamAgentsolon-ai-harness— Harness 智能体马具框架solon-ai-mcp— MCP 协议快速上手dependency groupIdorg.noear/groupId artifactIdsolon-ai/artifactId version3.10.7/version/dependency plaintext Controllerpublic class AIController { Inject private ChatClient chatClient; Mapping(/chat) public String chat(String msg) { return chatClient.prompt(msg).call().content(); }}Skill 支持 ✅ 原生支持功能最丰富Solon AI Skills 是其独立模块solon-ai-skillsv3.9.0概念原型参考了 Claude Code Agent Skills 的设计思想。核心特色特性说明构建方式两种构建方式声明式/编程式多态性技能多态同一接口不同实现动态 Prompt提示语动态赋能注册与优先级SkillRegistry 优先级排序加载策略按需动态加载与渐进式加载区分分布式Remote Skills 支持预置技能内置 20 个预置技能生态兼容CliSkill 对接海量 Claude Agent SkillsSkill 类型体系Skill 类型用途CliSkill对接海量 Claude Agent Skills 生态兼容 agentskills.ioRestApiSkill对接海量 WebAPIToolGatewaySkill对接 Tool或 MCP 服务Text2SqlSkill数据库自然语言查询Remote Skill分布式技能跨服务调用Tool 与 Skill 的区别Tool 是功能型执行原子操作Skill 是知识型包含指令/SOP/上下文。Skill 可以包含多个 Tool 调用和决策逻辑。Agent 支持 ✅Solon AI Agent 模块solon-ai-agent提供三种 Agent 类型SimpleAgent— 简单对话代理ReActAgent— 推理行动循环TeamAgent— 多智能体团队协作另有solon-ai-harnessHarness 马具框架提供智能体脚手架能力。solon-ai-flow提供 AI 工作流编排类似 Spring AI Alibaba 的 Graph Core。优缺点优点缺点极致轻量内存~1MB核心社区和生态较小支持 Java 8~26国际化程度有限Skill 系统最完善16 子主题文档文档以中文为主预置 20 个技能开箱即用企业级特性较少兼容 Claude Skills 生态5. JBoltAI ⭐⭐⭐⭐定位面向企业的 Java AI 应用开发框架强调私有化部署、全链路可追溯、AgentRAG。网站https://jboltai.com核心特色AgentRAG— 理解→规划→检索→评估→再检索→生成完整链路私有化部署— Docker/K8s 全量本地运行知识库管理— 自动分块、向量化、混合检索可视化工作流— 拖拽式 Agent 编排审计日志— 全链路追踪Skill 与 Agent 支持无原生 Skill 抽象。但提供平台级替代方案Agent 模板— 预设的 Agent 配置模板类似 Skill 的可复用套餐插件系统— 对接企业系统的扩展点可视化编排— 拖拽式构建工作流Agent 方面AgentRAG 框架实现完整的推理链路过程透明可追溯。优缺点优点缺点企业级私有化部署社区规模较小全链路可追溯无原生 Skill 抽象可视化编排部分功能需企业版6. AgentScope-Java ⭐⭐⭐⭐定位面向生产环境的智能体运行平台阿里通义实验室出品。提供 ReAct 推理、Harness 工程化基础设施、多智能体编排与 MCP/A2A 协议支持。GitHubhttps://github.com/agentscope-ai/agentscope-java |Stars3,457核心能力Harness 工程化— 长期运行、复杂任务的工程底座多智能体— 子 Agent 声明 agent_spawn/agent_sendMiddleware— onAgent/onReasoning/onActing/onModelCall 五层钩子沙箱执行— 本地/Docker/E2B 一行切换快照恢复工具与 MCP— 注解驱动工具注册统一 MCP 接入Workspace 抽象— 工作区即 Agent 人格记忆领域知识自学习闭环— Agent 自起草 Skill → 审核 → 后台整理Skill 支持 ✅ 原生支持Agent Skills 规范AgentScope-Java 通过SkillRepository提供原生 Skill 支持同样遵循Agent Skills 规范。两大来源技能市场Skill Repository— Git 仓库 / Nacos / MySQL / classpath / 自定义后端工作区—workspace/skills/共享 /userId/skills/按用户隔离Skill 目录结构完全一致code-reviewer/├── SKILL.md # YAML frontmattername description 指令正文├── references/ # 参考文档agent 按需读取│ └── style-guide.md└── scripts/ # agent 可通过 shell 调用的脚本 └── run-checks.shSKILL.md 格式完全一致---name: code-reviewerdescription: 当用户需要代码评审、风格反馈或 PR 审核时使用。---# Code Reviewer步骤1. 读 references/style-guide.md 获取项目规范2. 跑 scripts/run-checks.sh 目标路径多后端支持// Git 技能仓库HarnessAgent agent HarnessAgent.builder() .name(assistant) .model(model) .workspace(workspace) .skillRepository(new GitSkillRepository(https://github.com/your-org/team-skills.git)) .build();// Nacos 技能市场NacosSkillRepository market new NacosSkillRepository(aiService, namespace);HarnessAgent.builder() .skillRepository(market) .build();// MySQL 技能注册表MysqlSkillRepository registry MysqlSkillRepository.builder(dataSource) .databaseName(agentscope) .skillsTableName(skills) .createIfNotExist(true) .writeable(true) .build();自学习闭环Agent 可以从执行中总结经验自动起草 Skill → 审核 → 周期性后台整理成功模式以 Markdown 技能形式自动沉淀到workspace/skills/每轮按需加载、跨会话共享——Agent 在每次运行之间累积 know-howAgent 支持 ✅ 完善HarnessAgentMiddleware Toolkit 两个扩展通道把工作区、记忆、沙箱、子 Agent、技能与计划模式打包。子智能体在 Markdown 里声明子 agent 规格运行时按需agent_spawn/agent_send支持同步阻塞与后台委派。后台任务终态通过 system-reminder 反向推送。多 Agent 协作支持 Pipeline、Broadcast、Sequential 等协作模式。A2A MCP跨进程 Agent 编排与工具集成。优缺点优点缺点多 Agent 协作最强文档以中文为主原生 Skill 支持多后端社区生产验证案例较少自学习闭环学习曲线较陡Harness 工程化完善偏向研究型场景沙箱执行 快照恢复7. 官方 SDK当只需要简单调用某个模型 API 时使用。无 Skill/Agent 抽象。SDKGitHub Stars说明openai-java (TheoKanning)4,745非官方但最成熟的 OpenAI Java 客户端openai-java (官方)1,466OpenAI 官方 Java 库deepseek4j752DeepSeek Java SDKchatgpt-java3,449支持流式输出、GPT 插件三、Skill 支持对比Skill技能定义为遵循 Agent Skills 规范的可复用能力包——一个包含SKILL.mdYAML frontmatter 指令的目录支持渐进式披露先列元信息按需加载详情。对比总表框架原生 Skill遵循规范SKILL.md支持后端特色能力Solon AI✅✅ Claude Skills 规范✅本地/Remote20个预置技能、CliSkill/RestApiSkill/ToolGatewaySkill/Text2SqlSkill、分布式、多态、优先级LangChain4j✅✅ Agent Skills 规范✅文件系统Tool Mode / Shell Mode 双模式Spring AI Alibaba✅✅ Agent Skills 规范✅文件系统SkillRegistry SkillsAgentHookAgentScope-Java✅✅ Agent Skills 规范✅Git/Nacos/MySQL/文件自学习闭环Spring AI❌——仅 Tool Callback—JBoltAI⚠️ 平台级——Agent 模板 插件—官方 SDK❌————四者对比四个框架LangChain4j、Spring AI Alibaba、AgentScope-Java、Solon AI均实现了原生 Skill 支持差异在于规范遵循和接入方式维度LangChain4jSpring AI AlibabaAgentScope-JavaSolon AI遵循规范Agent Skills 规范Agent Skills 规范Agent Skills 规范Claude Skills 规范注册方式Skills API / ShellSkillsSkillRegistry SkillsAgentHookSkillRepositorySkillRegistry加载方式文件系统FileSystemSkillRegistryGit / Nacos / MySQL / 文件本地 / Remote与 Agent 结合AiServices.tools() / .toolProvider()ReactAgent.hooks()HarnessAgent 内建ChatModel/Agent 内建Skill 类型SKILL.md 目录SKILL.md 目录SKILL.md 目录CliSkill / RestApiSkill / ToolGatewaySkill / Text2SqlSkill预置技能❌❌❌✅ 20 个生态兼容❌❌❌✅ Claude Skills 生态同一切换不同后端❌❌✅❌四、Agent 支持对比框架单 Agent多 Agent工作流编排核心实现评价Spring AI⚠️ 基础❌⚠️ 简单链ChatClient Advisor适合对话类LangChain4j✅✅✅ WorkflowPure AgentAgent agentic 模块 MCP最灵活Spring AI Alibaba✅✅✅ Graph/DAGReactAgent Multi-Agent Graph Core A2A多 Agent 编排最强Solon AI✅✅✅SimpleAgent ReActAgent TeamAgent Harness Flow模块最完整JBoltAI✅⚠️✅ 可视化编排AgentRAG 拖拽式企业级AgentScope-Java✅✅✅ 多种协作HarnessAgent SubAgent Middleware生产级工程化最强官方 SDK❌❌❌——最后唠两句为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200% 远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。那0基础普通人如何学习大模型 深耕科技一线十二载亲历技术浪潮变迁。我见证那些率先拥抱AI的同行如何建立起效率与薪资的代际优势。如今我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理分享于此为你扫清学习困惑共赴AI时代新程。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传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】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】
