AI框架 第6页

多智能体监督者模式是一种常见的多智能体系统架构，其中有一个监督者智能体负责协调和路由任务到不同的工作智能体。 在多智能体监督者模式中： Supervisor Agent（监督者智能体）：负责路由到不同的 worker agentsWorke

赞(0)admin2026-09-14阅读(14)去评论

McpClientToolCallbackProvider 根据节点名称，匹配对应的 MCP 提供的 ToolCallback package com.spring.ai.tutorial.graph.mcp.tool; import co

赞(0)admin2026-09-13阅读(17)去评论

分配指定的 MCP 给指定的 node 节点 实战代码可见：spring-ai-alibaba-examples 下的 graph 目录，本章代码为其 mcp-node 模块 <dependencies> <depende

赞(0)admin2026-09-13阅读(17)去评论

持久化执行是一种技术，其中进程或工作流在关键点保存其进度，允许它暂停并稍后从中断的地方恢复。这在需要人在回路中（human-in-the-loop）的场景中特别有用，用户可以在继续之前检查、验证或修改流程，也适用于可能遇到中断或错误的长时间

赞(0)admin2026-09-12阅读(16)去评论

Spring AI Alibaba 支持通过 ChatClient 进行流式输出。 import org.springframework.ai.chat.client.ChatClient; import org.springframewo

赞(0)admin2026-09-12阅读(20)去评论

以下是一个完整的示例，展示如何在扩展节点、人类反馈节点和翻译节点之间实现中断和恢复： 节点定义 ExpanderNode package com.spring.ai.tutorial.graph.human.node; import com

赞(0)admin2026-09-11阅读(20)去评论

interruptBefore 模式需要在编译 Graph 时提前指定中断点，在指定节点执行前自动中断。这种方式适合已知的中断点，配置简单直接。 优势 配置简单：只需在编译配置中指定中断点无需修改节点：普通节点即可，不需要实现特殊接口明确的

赞(0)admin2026-09-11阅读(17)去评论

/** * 继续执行 Graph * 使用 HUMAN_FEEDBACK_METADATA_KEY 来恢复执行 */ public static void continueExecution(CompiledGraph graph, Run

赞(0)admin2026-09-09阅读(15)去评论

在实际业务场景中，经常会遇到人类介入的场景，人类的不同操作将影响工作流不同的走向。Spring AI Alibaba Graph 提供了两种方式来实现人类反馈： InterruptionMetadata 模式：可以在任意节点随时中断，通过实

赞(0)admin2026-09-09阅读(16)去评论

在 Redis 数据库中持久化和管理您的 Spring AI Alibaba Graph 工作流状态，确保持久性 Redis 检查点持久化是 Spring AI Alibaba Graph 生态系统的一个模块，它使得工作流状态能够可靠地存储

赞(0)admin2026-09-08阅读(18)去评论