Spring AI与LangGraph4j可恢复工作流教程
AI 总结
掘金教程介绍如何在 Java 项目中结合 Spring AI 2.1.0-RC1 与 LangGraph4j,将模型对话与可靠的业务流程执行分开。首篇从最小聊天调用逐步讲到状态图、条件分支、持久化、中断、恢复,以及可通过工具调用执行并在审批或服务重启后继续的退款流程。流式输出、子图、HTTP/SSE、完整退款助手和工程验证则留待下一篇。
深度见解
教程提供了使用检查点、状态和工具调用构建可检查、可恢复 Java 工作流的实用模式,避免让模型独自推进业务流程。
《Spring Ai 2.1 + LangGraph4j》系列教程(上):从零建项目到可恢复的 Java Graph
你可能已经用 Spring AI 写过一个聊天接口:接收一句话,调用模型,再返回一句话。接下来,用户希望助手查订单、申请退款、等待审批,还希望服务重启以后继续处理。此时需要同时解决两件事:让模型理解对话,让程序可靠地推进业务。
这个系列使用一个 Java 项目,把两件事逐步组合起来。先写最小聊天调用,再写第一张图,接着学习状态、条件分支、持久化和恢复,最后实现“聊天助手通过工具调用退款图”。
本文是上篇;下篇:流式、子图与完整退款助手继续讲解流式输出、子图、人工审批、HTTP/SSE 和工程化验证。
本项目不讲解AI Agent有关相关文章请参考过往文章:《Java + Spring 实现 Hermes Agent:从源码看多模型接入、子代理、人审与沙箱》、《从向量检索到混合搜索优化:Spring AI 2.0.1 + pgvector RAG 实战》
部分来源内容未展示,可前往原文继续阅读。
#Spring AI 2.1.0-RC1#LangGraph4j#Spring Boot 4.1.0#Java 25#Maven#FileSystemSaver#OfflineChatModel