AI 助理
文档备案控制台
开发者社区 开发与运维 文章 正文

阿里 Assistant Agent 开源，助力开发者快速构建答疑、诊断智能助手

2026-01-15 329
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： Assistant Agent 是一个基于 Spring AI Alibaba 构建的企业级智能助手框架，采用代码即行动（Code-as-Action）范式，通过生成和执行代码来编排工具、完成任务。它是一个能理解、能行动、能学习的智能助手解决方案，可帮助企业快速构建智能答疑客服、系统诊断、运维助手、业务助理、AIOps 等智能体。

简介

Assistant Agent 是一个基于 Spring AI Alibaba 构建的企业级智能助手框架，采用代码即行动（Code-as-Action）范式，通过生成和执行代码来编排工具、完成任务。它是一个能理解、能行动、能学习的智能助手解决方案，可帮助企业快速构建智能答疑客服、系统诊断、运维助手、业务助理、AIOps 等智能体。

仓库地址：spring-ai-alibaba/AssistantAgent

https://github.com/spring-ai-alibaba/AssistantAgent

技术特性

  • 代码即行动（Code-as-Action）：Agent 通过生成并执行代码来完成任务，而非仅仅调用预定义工具，可以在代码中灵活编排、组合多个工具，实现复杂流程；
  • 安全沙箱：AI 生成的代码在 GraalVM 多语言沙箱中安全运行，具备资源隔离能力；
  • 多维评估：通过评估图（Graph）进行多层次意图识别，精准指导 Agent 行为；
  • Prompt 动态组装：根据场景及前置评估结果动态注入上下文（经验、知识等）到 Prompt 中，灵活处理不同任务；
  • 经验学习：自动积累成功经验，持续提升后续任务的表现；
  • 快速响应：熟悉场景下，跳过 LLM 推理过程，基于经验快速响应；

Assistant Agent 能帮你做什么？

Assistant Agent 是一个功能完整的智能助手，具备以下核心能力：

  • 智能问答：支持多数据源统一检索架构（通过 SPI 可扩展知识库、Web 等数据源），提供准确、可溯源的答案；
  • 工具调用：支持 MCP、HTTP API（OpenAPI）等协议，灵活接入海量工具，可组合调用实现复杂业务流程；
  • 主动服务：支持定时任务、延迟执行、事件回调，让助手主动为你服务；
  • 多渠道触达：内置 IDE 回复，允许通过 SPI 可扩展钉钉、飞书、企微、Webhook 等渠道；

为什么选择 Assistant Agent？

适用场景

  • 智能客服：接入企业知识库，智能解答用户咨询；
  • 运维助手：对接监控、工单系统，自动处理告警、查询状态、执行操作；
  • 业务助理：连接 CRM、ERP 等业务系统，辅助员工完成日常工作；

以上仅为典型场景示例。通过配置知识库和接入工具，Assistant Agent 可适配更多业务场景，欢迎探索。

整体工作原理

以下是 Assistant Agent 处理一个完整请求的端到端流程示例：

项目结构

assistant-agent/
├── assistant-agent-common          # 通用工具、枚举、常量
├── assistant-agent-core            # 核心引擎：GraalVM 执行器、工具注册表
├── assistant-agent-extensions      # 扩展模块：
│   ├── dynamic/               #   - 动态工具（MCP、HTTP API）
│   ├── experience/            #   - 经验管理与快速意图配置
│   ├── learning/              #   - 学习提取与存储
│   ├── search/                #   - 统一搜索能力
│   ├── reply/                 #   - 多渠道回复
│   ├── trigger/               #   - 触发器机制
│   └── evaluation/            #   - 评估集成
├── assistant-agent-prompt-builder  # Prompt 动态组装
├── assistant-agent-evaluation      # 评估引擎
├── assistant-agent-autoconfigure   # Spring Boot 自动配置
└── assistant-agent-start           # 启动模块

快速启动

前置要求

  • Java 17+
  • Maven 3.8+
  • DashScope API Key

1. 克隆并构建

git clone https://github.com/spring-ai-alibaba/AssistantAgent
cd assistant-agent
mvn clean install -DskipTests

2. 配置 API Key

export DASHSCOPE_API_KEY=your-api-key-here

3. 最小配置

项目已内置默认配置，只需确保 API Key 正确即可。如需自定义，可编辑 assistant-agent-start/src/main/resources/application.yml：

spring:
  ai:
    dashscope:
      api-key: ${DASHSCOPE_API_KEY}
      chat:
        options:
          model: qwen-max

4. 启动应用

cd assistant-agent-start
mvn spring-boot:run

所有扩展模块默认开启并采用合理的配置，无需额外配置即可快速启动。

5. 配置知识库（接入业务知识）

💡 框架默认提供 Mock 知识库实现用于演示测试。生产环境需要接入真实知识源（如向量数据库、Elasticsearch、企业知识库 API 等），以便 Agent 能够检索并回答业务相关问题。

方式一：快速体验（使用内置 Mock 实现）

默认配置已启用知识库搜索，可直接体验：

spring:
  ai:
    alibaba:
      codeact:
        extension:
          search:
            enabled: true
            knowledge-search-enabled: true  # 默认开启

方式二：接入真实知识库（推荐）

实现 SearchProvider SPI 接口，接入你的业务知识源：

package com.example.knowledge;

import com.alibaba.assistant.agent.extension.search.spi.SearchProvider;
import com.alibaba.assistant.agent.extension.search.model.*;
import org.springframework.stereotype.Component;
import java.util.*;

@Component  // 添加此注解，Provider 会自动注册
publicclassMyKnowledgeSearchProviderimplementsSearchProvider {

    @Override
    public boolean supports(SearchSourceType type){
        return SearchSourceType.KNOWLEDGE == type;
    }

    @Override
    public List<SearchResultItem> search(SearchRequest request){
        List<SearchResultItem> results = new ArrayList<>();
        
        // 1. 从你的知识源查询（向量数据库、ES、API 等）
        // 示例：List<Doc> docs = vectorStore.similaritySearch(request.getQuery());
        
        // 2. 转换为 SearchResultItem
        // for (Doc doc : docs) {
        //     SearchResultItem item = new SearchResultItem();
        //     item.setId(doc.getId());
        //     item.setSourceType(SearchSourceType.KNOWLEDGE);
        //     item.setTitle(doc.getTitle());
        //     item.setSnippet(doc.getSummary());
        //     item.setContent(doc.getContent());
        //     item.setScore(doc.getScore());
        //     results.add(item);
        // }
        
        return results;
    }

    @Override
    public String getName(){
        return"MyKnowledgeSearchProvider";
    }
}

常见知识源接入示例

核心模块介绍

评估模块（Evaluation）

作用：多维度意图识别框架，通过评估图（Graph）对信息进行多层次特质识别。

┌──────────────────────────────────────────────────────────────────┐
│                    评估图 (Evaluation Graph) 示例                  │
├──────────────────────────────────────────────────────────────────┤
│                                                                  │
│  用户输入: "查询今日订单"                                           │
│          │                                                       │
│          ▼                                                       │
│  ┌─────────────────────────────────────────────────────────┐     │
│  │ Layer 1 （并行执行）                                      │     │
│  │   ┌────────────┐         ┌────────────┐                 │     │
│  │   │ 是否模糊?   │         │ 输入改写     │                 │     │
│  │   │ 清晰/模糊   │         │（增强）      │                 │     │
│  │   └─────┬──────┘         └─────┬──────┘                 │     │
│  └─────────┼──────────────────────┼────────────────────────┘     │
│            │                      │                              │
│            └──────────┬───────────┘                              │
│                       ▼                                          │
│  ┌─────────────────────────────────────────────────────────┐     │
│  │ Layer 2 (基于改写内容，并行执行)                            │     │
│  │   ┌──────────┐   ┌──────────┐   ┌──────────┐            │     │
│  │   │ 检索经验  │   │ 匹配工具  │   │ 搜索知识  │             │     │
│  │   │ 有/无    │   │ 有/无     │   │ 有/无    │             │     │
│  │   └──────────┘   └──────────┘   └──────────┘            │     │
│  └─────────────────────────────────────────────────────────┘     │
│                       │                                          │
│                       ▼                                          │
│            ┌────────────────────┐                                │
│            │ 整合不同维度评估结果  │                                │
│            │ → 传递给后续模块     │                                │
│            └────────────────────┘                                │
│                                                                  │
└──────────────────────────────────────────────────────────────────┘

核心能力：

  • 双评估引擎：
  • LLM 评估：通过大模型进行复杂语义判断，用户可完全自定义评估 Prompt（customPrompt），也可使用默认 Prompt 组装（支持 description、workingMechanism、fewShots 等配置）；
  • Rule-based 评估：通过 Java 函数实现规则逻辑，用户自定义 Function<CriterionExecutionContext, CriterionResult> 执行任意规则判断，适合阈值检测、格式校验、精确匹配等场景；
  • 依赖关系自定义：评估项可通过 dependsOn 声明前置依赖，系统自动构建评估图按拓扑执行，无依赖项并行、有依赖项顺序执行，后续评估项可访问前置评估项的结果；
  • 评估结果：支持 BOOLEAN、ENUM、SCORE、JSON、TEXT 等类型，传递给 Prompt Builder 驱动动态组装；

Prompt Builder 模块

作用：根据评估结果和运行时上下文，动态组装发送给模型的 Prompt。示例：

┌─────────────────────────────────────────────────────────────────────────┐
│                   Prompt Builder - 条件化动态生成                         │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│  评估结果输入:                                                            │
│  ┌────────────────────────────────────────────────────────┐             │
│  │ 模糊: 是  │ 经验: 有  │ 工具: 有  │ 知识: 无               │             │
│  └────────────────────────────────────────────────────────┘             │
│                    │                                                    │
│                    ▼                                                    │
│  ┌────────────────────────────────────────────────────────────────┐     │
│  │              自定义 PromptBuilder 条件匹配                       │     │
│  │                                                                │     │
│  │   模糊=是 ──────▶ 注入 [澄清引导 Prompt]                          │     │
│  │   模糊=否 ──────▶ 注入 [直接执行 Prompt]                          │     │
│  │                                                                │     │
│  │   经验=有 ──────▶ 注入 [历史经验参考]                              │     │
│  │   工具=有 ──────▶ 注入 [工具使用说明]                              │     │
│  │   知识=有 ──────▶ 注入 [相关知识片段]                              │     │
│  │                                                                │     │
│  │   组合示例1: 模糊+无工具+无知识 ──▶ [追问用户 Prompt]               │     │
│  │   组合示例2: 清晰+有工具+有经验 ──▶ [快速执行 Prompt]               │     │
│  └────────────────────────────────────────────────────────────────┘     │
│                    │                                                    │
│                    ▼                                                    │
│  ┌────────────────────────────────────────────────────────────────┐     │
│  │ 最终动态 Prompt:                                                │     │
│  │ [系统提示] + [澄清引导] + [历史经验] + [工具说明] + [用户问题]        │     │
│  └────────────────────────────────────────────────────────────────┘     │
│                    │                                                    │
│                    ▼                                                    │
│              ┌──────────┐                                               │
│              │   模型    │                                               │
│              └──────────┘                                               │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

核心能力：

  • 多个 PromptBuilder 按优先级顺序执行
  • 每个 Builder 根据评估结果决定是否贡献、贡献什么内容
  • 支持自定义 Builder，根据业务需求定制 Prompt 逻辑
  • 非侵入式，在模型调用层拦截

对比传统方案：

学习模块（Learning）

作用：从 Agent 执行历史中自动提取并保存有价值的经验。

┌─────────────────────────────────────────────────────────────────────────┐
│                         学习模块工作流程                                   │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│  ┌────────────────────────────────────────────────────────────────────┐ │
│  │                        Agent 执行过程                               │ │
│  │                                                                    │ │
│  │  输入 ──▶ 推理 ──▶ 代码生成 ──▶ 执行 ──▶ 输出                          │ │
│  │   │        │          │         │        │                         │ │
│  │   └────────┴──────────┴─────────┴────────┘                         │ │
│  │                        │                                           │ │
│  └────────────────────────┼───────────────────────────────────────────┘ │
│                           ▼                                             │
│              ┌────────────────────────┐                                 │
│              │      学习上下文捕获      │                                 │
│              │  - 用户输入             │                                 │
│              │  - 中间推理步骤          │                                │
│              │  - 生成的代码           │                                 │
│              │  - 执行结果             │                                │
│              └───────────┬────────────┘                                │
│                          │                                             │
│                          ▼                                             │
│   ┌──────────────────────────────────────────────────────────────┐     │
│   │                    学习提取器分析                              │     │
│   │  ┌────────────┐  ┌────────────┐  ┌────────────┐              │     │
│   │  │ 经验提取器  │  │ 模式提取器   │  │ 错误提取器   │              │     │
│   │  │ 成功模式    │  │ 通用模式    │  │ 失败教训     │              │     │
│   │  └─────┬──────┘  └─────┬──────┘  └─────┬──────┘              │     │
│   └────────┼───────────────┼───────────────┼─────────────────────┘     │
│            │               │               │                           │
│            └───────────────┼───────────────┘                           │
│                            ▼                                           │
│                   ┌────────────────┐                                   │
│                   │   持久化存储    │ ──▶ 供后续任务参考使用                │
│                   └────────────────┘                                   │
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

核心能力：

  • After-Agent 学习：每次 Agent 运行完成后提取经验；
  • After-Model 学习：每次模型调用后提取经验；
  • Tool Interceptor：从工具调用中提取经验；
  • 离线学习：批量分析历史数据提取模式；
  • 学习过程：捕获执行上下文 → 提取器分析识别 → 生成经验记录 → 持久化存储供后续复用；

经验模块（Experience）

作用：积累和复用历史成功执行经验。

┌─────────────────────────────────────────────────────────────────────────┐
│                         经验模块工作示意                                   │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│  【场景1: 经验积累】                                                       │
│                                                                         │
│   用户: "查询订单状态"  ──▶  Agent 成功执行  ──▶     ┌────────────────┐     │
│                                                  │ 保存经验:       │     │
│                                                  │ - React决策经验 │     │
│                                                  │ - Code经验     │     │
│                                                  │ - 常识经验      │     │
│                                                  └────────────────┘     │
│                                                           │             │
│                                                           ▼             │
│                                                  ┌────────────────┐     │
│                                                  │   经验库        │     │
│                                                  └────────────────┘     │
│                                                                         │
│  【场景2: 经验复用】                                       ｜              │
│                                                          │              │
│   用户: "查询我的订单状态"  ◀────  匹配相似经验  ◀────────────┘              │
│            │                                                            │
│            ▼                                                            │
│   ┌─────────────────────────────────────────────────┐                   │
│   │ Agent 参考历史经验，更快决策+生成正确代码             │                   │
│   └─────────────────────────────────────────────────┘                   │
│                                                                         │
│  【场景3: 快速意图响应】                                                   │
│                                                                         │
│   ┌─────────────────────────────────────────────────────────────────┐   │
│   │ 经验库                                                           │   │
│   │   ┌─────────────────────┐       ┌────────────────────────────┐  │   │
│   │   │ 经验A (普通)         │       │ 经验B (✓ 已配置快速意图)      │  │   │
│   │   │ 无快速意图配置        │       │   条件: 前缀匹配"查看*销量"   │  │   │
│   │   │ → 注入prompt供llm参考│       │   动作: 调用销量查询API       │  │   │
│   │   └─────────────────────┘       └───────────┬────────────────┘  │   │
│   └─────────────────────────────────────────────┼───────────────────┘   │
│                                                 │ 条件命中               │
│                                                 ▼                       │
│   用户: "查看今日销量"  ──▶  匹配经验B快速意图  ──▶  跳过LLM，直接执行          │
│                                                                         │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

核心能力：

  • 多类型经验：代码生成经验、ReAct 决策经验、常识经验，为类似任务提供历史参考；
  • 灵活复用：经验可注入 Prompt 或用于快速意图匹配；
  • 生命周期管理：支持经验的创建、更新、删除；
  • 快速意图响应：
  • 经验需显式配置 fastIntentConfig 才能启用；
  • 匹配已配置条件时，跳过 LLM 完整推理，直接执行预记录的工具调用或代码；
  • 支持多条件匹配：消息前缀、正则、元数据、状态等；

触发器模块（Trigger）

作用：创建和管理定时任务或事件触发的 Agent 执行。

┌─────────────────────────────────────────────────────────────────────────┐
│                         触发器模块能力示意                                 │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│  【定时触发】                                                             │
│                                                                         │
│   用户: "每天早上9点给我发送销售日报"                                        │
│            │                                                            │
│            ▼                                                            │
│   ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐   │
│   │  Agent 创建      │     │   调度器         │     │  自动执行        │   │
│   │  Cron 触发器     │────▶│  09 * * *      │────▶│  生成日报        │   │
│   │  (自我调度)      │     │                 │     │  发送通知        │    │
│   └─────────────────┘     └─────────────────┘     └─────────────────┘   │
│                                                                         │
│  【延迟触发】                                                             │
│                                                                         │
│   用户: "30分钟后提醒我开会"                                               │
│            │                                                            │
│            ▼                                                            │
│   ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐   │
│   │  Agent 创建      │     │   30分钟后      │     │  发送提醒         │   │
│   │  一次性触发器     │────▶│   触发          │────▶│  "该开会了"       │   │
│   └─────────────────┘     └─────────────────┘     └─────────────────┘   │
│                                                                         │
│  【回调触发】                                                             │
│                                                                         │
│   用户: "满足xx条件时帮我xx"                                               │
│                                                                         │
│   外部系统: 发送事件到 Webhook                                             │
│            │                                                            │
│            ▼                                                            │
│   ┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐   │
│   │  接收回调        │     │   触发 Agent     │     │  处理事件        │   │
│   │  Webhook 事件   │────▶│   执行任务        │────▶│  返回响应        │   │
│   └─────────────────┘     └─────────────────┘     └─────────────────┘   │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

核心能力：

  • TIME_CRON触发器：支持 Cron 表达式定时触发任务；
  • TIME_ONCE触发器：支持一次性延迟触发；
  • CALLBACK触发器：支持回调事件触发；
  • Agent 可通过工具自主创建触发器，实现"自我调度"；

回复渠道模块（Reply Channel）

作用：提供灵活的消息回复能力，支持多种输出渠道。


┌─────────────────────────────────────────────────────────────────────────┐
│                       回复渠道模块能力示意                                 │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│   Agent 需要向用户回复消息                                                 │
│            │                                                            │
│            ▼                                                            │
│   ┌─────────────────────────────────────────────────────────────────┐   │
│   │                    回复渠道路由                                   │   │
│   └─────────────────────────────────────────────────────────────────┘   │
│            │                                                            │
│            ├──────────────┬──────────────┬──────────────┐               │
│            ▼              ▼              ▼              ▼               │
│   ┌────────────┐  ┌────────────┐  ┌────────────┐  ┌────────────┐        │
│   │  DEFAULT   │  │  IDE_CARD  │  │ IM_NOTIFY  │  │  WEBHOOK   │        │
│   │  文本回复   │  │  卡片展示   │   │  消息推送   │  │  JSON推送   │        │
│   └─────┬──────┘  └─────┬──────┘  └─────┬──────┘  └─────┬──────┘        │
│         │               │               │               │               │
│         ▼               ▼               ▼               ▼               │
│   ┌──────────┐    ┌──────────┐    ┌──────────┐    ┌──────────┐          │
│   │ 控制台    │    │   IDE    │    │   IM     │    │ 第三方    │          │
│   │ 终端回复  │    │ 富文本卡片 │     │ (可扩展) │    │  系统     │          │
│   └──────────┘    └──────────┘    └──────────┘    └──────────┘          │
│                                                                         │
│  【使用示例】                                                             │
│                                                                         │
│   用户: "分析完成后发送结果"                                                │
│            │                                                            │
│            ▼                                                            │
│   Agent: send_message(text="分析结果...")                                │
│            │                                                            │
│            ▼                                                            │
│   用户收到消息: "📊 分析结果: ..."                                         │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

核心能力：

  • 多渠道路由：Agent 可根据场景选择不同渠道回复；
  • 配置驱动：动态生成回复工具，无需编码；
  • 同步异步支持：支持同步和异步回复模式；
  • 统一接口：屏蔽底层实现差异；
  • 内置示例渠道：IDE_TEXT（演示用）；
  • 可扩展渠道（通过实现 ReplyChannelDefinition SPI）：如 IDE_CARD、IM_NOTIFICATION

（钉钉/飞书/企微）、WEBHOOK_JSON 等，需用户自行实现

工具扩展模块（Dynamic Tools）

作用：提供高度可扩展的工具体系，让 Agent 能够调用各类外部工具完成任务。

┌─────────────────────────────────────────────────────────────────────────┐
│                        工具扩展架构                                       │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│   Agent 需要执行操作                                                      │
│            │                                                            │
│            ▼                                                            │
│   ┌──────────────────────────────────────────────────────────────────┐  │
│   │                   CodeactTool 工具体系                            │  │
│   └─────────────────────────────────────────────────────────────────┘   │
│            │                                                            │
│            ├─────────────┬─────────────┬─────────────┬──────────────┐   │
│            ▼             ▼             ▼             ▼              ▼   │
│   ┌────────────┐ ┌────────────┐ ┌────────────┐ ┌────────────┐ ┌───────┐ │
│   │   MCP      │ │   HTTP     │ │  Search    │ │  Trigger   │ │ 自定义 │ │
│   │   Tools    │ │   API      │ │  Tools     │ │  Tools     │ │ Tools │ │
│   │            │ │   Tools    │ │            │ │            │ │       │ │
│   └─────┬──────┘ └─────┬──────┘ └─────┬──────┘ └─────┬──────┘ └───┬───┘ │
│         │              │              │              │            │     │
│         ▼              ▼              ▼              ▼            ▼     │
│   ┌──────────┐   ┌──────────┐   ┌──────────┐   ┌──────────┐  ┌──────┐   │
│   │ 任意 MCP │   │ REST API │   │ 知识检索   │   │ 定时任务  │  │ ...  │   │
│   │ Server   │   │ OpenAPI  │   │ 项目搜索  │   │ 事件回调  │  │      │    │
│   └──────────┘   └──────────┘   └──────────┘   └──────────┘  └──────┘   │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

核心能力：

  • MCP 工具支持：一键接入任意 MCP Server，复用 MCP 工具生态；
  • HTTP API 支持：通过 OpenAPI 规范接入 REST API，调用企业现有接口；
  • 内置工具类型：搜索（Search）、回复（Reply）、触发器（Trigger）、学习（Learning）等；
  • 自定义工具 SPI：实现 CodeactTool 接口，轻松扩展新工具；

知识检索模块（Knowledge Search）

作用：多数据源统一检索引擎，为 Agent 的问答和决策提供知识支撑。

┌─────────────────────────────────────────────────────────────────────────┐
│                       多数据源检索架构                                     │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│  用户问题: "如何配置数据库连接池？"                                          │
│            │                                                            │
│            ▼                                                            │
│  ┌─────────────────────────────────────────────────────────────────┐    │
│  │                      统一检索接口                                 │    │
│  └─────────────────────────────────────────────────────────────────┘    │
│            │                                                            │
│            ├────────────────┬────────────────┬────────────────┐         │
│            ▼                ▼                ▼                ▼         │
│   ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  ┌─────────┐     │
│   │    知识库     │  │    项目       │  │     Web      │  │  自定义  │    │
│   │   Provider   │  │   Provider   │  │   Provider   │  │Provider │    │
│   │   (主要)      │  │   (可选)     │  │   (可选)      │  │  (SPI)  │    │
│   └──────┬───────┘  └──────┬───────┘  └──────┬───────┘  └───┬─────┘    │
│          │                 │                 │              │          │
│          ▼                 ▼                 ▼              ▼          │
│   ┌──────────────┐  ┌──────────────┐  ┌──────────────┐  ┌────────┐      │
│   │ FAQ / 文档    │  │ 源代码       │  │ 网络文章       │  │  ...   │      │
│   │ 历史问答      │  │ 配置文件      │  │ 技术论坛       │  │        │      │
│   │ 团队笔记      │  │ 日志         │  │               │  │        │      │
│   └──────────────┘  └─────────────┘  └───────────────┘  └────────┘      │
│          │                 │                 │              │          │
│          └─────────────────┴─────────────────┴──────────────┘          │
│                            │                                           │
│                            ▼                                           │
│               ┌────────────────────────┐                               │
│               │ 聚合排序                │                               │
│               │ → 注入 Prompt          │                                │
│               └────────────────────────┘                               │
│                                                                        │
└────────────────────────────────────────────────────────────────────────┘

核心能力：

  • 统一检索接口：SearchProvider SPI，支持可插拔数据源；
  • 演示 Provider：内置知识库、项目、Web 的 Mock 实现（仅供演示和测试）；
  • 自定义扩展：通过实现 SearchProvider 接口，接入任意数据源（数据库、向量库、API）；
  • 结果聚合：支持可配置的排序策略；
  • 业务价值：接入企业知识库提供准确答案、支持答案溯源、降低人工客服压力；

配置示例：

spring:
  ai:
    alibaba:
      codeact:
        extension:
          search:
            enabled: true
            knowledge-search-enabled: true   # 知识库（默认 Mock 实现）
            project-search-enabled: false    # 项目代码（默认 Mock 实现）
            web-search-enabled: false        # Web 搜索（默认 Mock 实现）
            default-top-k: 5
            search-timeout-ms: 5000

💡 以上搜索功能默认提供 Mock 实现供演示测试。生产环境需实现 SearchProvider SPI 接入实际数据源。

致谢

联系方式

  • 搜索加入钉钉群：130240015687
  • 扫码加入微信群（如二维码过期请加钉钉群）


来源  |  阿里云开发者公众号

作者  |  残风、栀七

文章标签：
API
Java
人工智能
开发者
Spring
阿里云开发者
目录
相关文章
阿里云开发者
|
21天前
|
SQL 人工智能 Java
告别传统 Text-to-SQL：基于 Spring AI Alibaba 的数据分析智能体 DataAgent 深度解析
DataAgent是基于Spring AI Alibaba生态构建的企业级AI数据分析师，融合NL2SQL、多智能体协作与RAG技术，支持多数据源分析、自动纠错与可视化报告生成，让业务人员零代码获取深度数据洞察。
阿里云开发者
1036 42
告别传统 Text-to-SQL：基于 Spring AI Alibaba 的数据分析智能体 DataAgent 深度解析
阿里云开发者
|
21天前
|
人工智能 安全 调度
AI工程vs传统工程 —「道法术」中的变与不变
本文从“道、法、术”三个层面对比AI工程与传统软件工程的异同，指出AI工程并非推倒重来，而是在传统工程坚实基础上，为应对大模型带来的不确定性（如概率性输出、幻觉、高延迟等）所进行的架构升级：在“道”上，从追求绝对正确转向管理概率预期；在“法”上，延续分层解耦、高可用等原则，但建模重心转向上下文工程与不确定性边界控制；在“术”上，融合传统工程基本功与AI新工具（如Context Engineering、轨迹可视化、多维评估体系），最终以确定性架构驾驭不确定性智能，实现可靠价值交付。
阿里云开发者
303 41
AI工程vs传统工程 —「道法术」中的变与不变
阿里云开发者
|
27天前
|
设计模式 XML NoSQL
从HITL(Human In The Loop) 实践出发看Agent与设计模式的对跖点
本文探讨在ReactAgent中引入HITL（人机回路）机制的实践方案，分析传统多轮对话的局限性，提出通过交互设计、对话挂起与工具化实现真正的人机协同，并揭示Agent演进背后与工程设计模式（如钩子、适配器、工厂模式等）的深层关联，展望未来Agent的进化方向。
阿里云开发者
489 44
从HITL(Human In The Loop) 实践出发看Agent与设计模式的对跖点
阿里云云原生
|
16天前
|
人工智能 自然语言处理 运维
阿里开源 Assistant Agent，助力企业快速构建答疑、诊断智能助手
一款快速构建智能客服、诊断助手、运维助手、AIOps 的开源框架。
阿里云云原生
546 45
阿里云开发者
|
21天前
|
数据采集 人工智能 IDE
告别碎片化日志：一套方案采集所有主流 AI 编程工具
本文介绍了一套基于MCP架构的轻量化、多AI工具代码采集方案，支持CLI、IDE等多类工具，实现用户无感、可扩展的数据采集，已对接Aone日志平台，助力AI代码采纳率分析与研发效能提升。
阿里云开发者
395 46
告别碎片化日志：一套方案采集所有主流 AI 编程工具
阿里云开发者
|
8天前
|
人工智能 应用服务中间件 API
刚刚，阿里云上线Clawdbot全套云服务！
阿里云上线Moltbot（原Clawdbot）全套云服务，支持轻量服务器/无影云电脑一键部署，可调用百炼平台百余款千问模型，打通iMessage与钉钉消息通道，打造开箱即用的AI智能体助手。
阿里云开发者
3181 30
刚刚，阿里云上线Clawdbot全套云服务！
阿里云云原生
|
2月前
|
人工智能 Java Serverless
AgentScope Java 答疑时间：开发者近期最关心的12个问题
近日，AgentScope Java V1.0 版本正式发布，全面对齐 Python 版核心能力，为 Java 开发者带来了构建企业级 Agentic 应用强大的开源方案。在最近与 DataWhale 合作的 AgentScope Java 解读线上直播间中，我们收到了大家的热情提问。为了方便大家集中查阅，我们整理了其中最高频的 Q&A，由 AgentScope Java 的核心开发者为大家一次性说清讲透！
阿里云云原生
638 15
阿里云开发者
|
3月前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代：Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布，提供极简方式构建企业级AI智能体。基于ReactAgent核心，支持多智能体协作、上下文工程与生产级管控，助力开发者快速打造可靠、可扩展的智能应用。
阿里云开发者
3135 43
阿里云开发者
|
2月前
|
消息中间件 人工智能 NoSQL
AgentScope x RocketMQ：打造企业级高可靠 A2A 智能体通信基座
Apache RocketMQ 推出轻量级通信模型 LiteTopic，专为 AI 时代多智能体协作设计。它通过百万级队列支持、会话状态持久化与断点续传能力，解决传统架构中通信脆弱、状态易失等问题。结合 A2A 协议与阿里巴巴 AgentScope 框架，实现高可靠、低延迟的 Agent-to-Agent 通信，助力构建稳定、可追溯的智能体应用。现已开源并提供免费试用，加速 AI 应用落地。
阿里云开发者
388 36
AgentScope x RocketMQ：打造企业级高可靠 A2A 智能体通信基座
阿里云开发者
|
8天前
|
Web App开发 人工智能 JSON
别再手写提示词！需求澄清 + 50多专业提示词框架自动匹配，效率提升10倍！
Prompt Optimizer 是一款智能提示词优化工具，内置50+专业框架，支持需求澄清、歧义确认与自动匹配，兼容多模型，显著提升AI输出质量并降低API成本。（239字）
阿里云开发者
138 0
别再手写提示词！需求澄清 + 50多专业提示词框架自动匹配，效率提升10倍！

热门文章

最新文章

  • 1
    【童年回忆】【FC模拟器 + ROM大合集下载】
  • 2
    Linux环境变量设置（PATH/LIBRARY_PATH/LD_LIBRARY_PATH）
  • 3
    【全网最全面】VS Code使用Git可视化管理源代码详细教程
  • 4
    燃！阿里11篇论文入选IJCAI2017 人工智能领域捷报频传
  • 5
    UPS开始尝试“货车+无人机”的投递方式，不必再担心快递员离职了
  • 6
    4G，是否值得等待？
  • 7
    SMTP EXCHANGE unable to relay 解决方法是建立一个连接器
  • 8
    谷歌：印度火车站Wi-Fi用户达150万
  • 9
    EditText 显示明文和密码
  • 10
    DIOCP开源项目-DIOCP3 大文件的传输DEMO<断点续传>
  • 1
    阿里云一键部署 OpenClaw（Clawdbot）教程，定制专属 AI 员工！
    77
  • 2
    AI开始反问人类：生成式搜索时代，内容竞争的真正战场已经变了
    47
  • 3
    阿里云“99计划”是什么？具体有什么政策？
    55
  • 4
    Playwright 面试必备：测试工程师的实战指南
    39
  • 5
    新手小白如何部署OpenClaw(Clawdbot)？阿里云一键部署！
    53
  • 6
    阿里云推出五种OpenClaw快速部署方案，一键拥有专属AI助理！
    76
  • 7
    ✅阿里云服务器多少钱一年？整理2026年最新购买、续费及升级费用价格清单
    50
  • 8
    大模型训练显存优化实战指南：如何用有限显卡炼出“大丹”
    41
  • 9
    Python装饰器：优雅增强函数功能
    29
  • 10
    Python 3.12 新特性解读：用 Subinterpreters 突破 GIL 限制
    227

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    第五届伏魔挑战赛如约来袭，诚邀各路高手来战！