Spring AI Alibaba Graph 可以改变您构建智能代理的思维方式。使用 Graph 构建代理时，首先把业务流程分解为节点（nodes）离散步骤；然后定义每个节点的决策与流转关系；最后通过共享状态（state）串联所有节点，每个节点均可读取、写入状态。

Spring AI Alibaba Graph 是底层运行时模块，Graph API 可以让开发者对流程有更全面的控制，开发者可以独立定义每个 Node 的逻辑、每条边的逻辑，最终按照业务需要编排成完成的流程图，除了流程编排之外，还原生支持 Streaming、Human In the Loop、Memory 等智能体核心能力。

AI 应用开发中，特别是 RAG 场景中肯定用不到向量数据库所有的功能，所以 Spring AI 提供了 VectorStore 向量存储操作服务接口，提供了常用的增删改查能力，同时也提供了原生操作客户端，基于向量数据库官方 SDK 实现更复杂的数据操作。

向量数据库是实现检索增强生成（RAG）的核心基础设施，解决 AI 模型无法直接访问私有数据、知识滞后的问题。

在人工智能与大模型应用领域，向量（Embedding Vector）是指通过嵌入模型（Embedding Model）对文本、图像、音频等非结构化数据进行语义编码后，生成的固定长度、高密度、低维连续数值数组。

实际业务中，我们可以组合条件路由、并行执行、顺序执行等模式，创建复杂的多 Agent 工作流。案例说明：实现「并行收集数据→分析数据→路由生成报告」的完整业务流程，贴合实际业务场景（如 AI 技术趋势研究、多格式报告生成 ）。

在路由模式中，使用大语言模型（LLM）动态决定将请求路由到哪个子Agent。这种模式非常适合需要智能选择不同专家Agent的场景。

SequentialAgent 关键特性：按顺序执行：Agent 按照 subAgents 列表中定义的顺序执行状态传递：每个 Agent 的输出通过 outputKey 存储在状态中，可被后续 Agent 访问消息历史：默认情况下，所有 Agent 共享消息历史推理内容控制：使用 returnReasoningContents 控制是否在消息历史中包含中间推理

当前正在工作的活跃 Agent，主动决策、将会话控制权完整转移给另一个指定 Agent，交接完成后，原 Agent 休眠 / 退出，用户后续直接和新接管的 Agent 交互。

在 Agent as Tool 模式中，一个 Agent （控制器）将其他 Agent 视为工具（AgentTool），在需要时调用。控制器 Agent 管理编排，而工具 Agent 执行特定任务并返回结果。