一、整体对比

维度

Spring AI

LangChain4j

Spring AI Alibaba

Solon AI

JBoltAI

AgentScope-Java
GitHub Stars

8,854

12,196

9,871

2,745

~1,200

3,458
最新版本

2.0.0-M8 (2026-05)

1.15.1 (2026-05)

1.1.2.0

3.10.7

1.0.x

v2
框架依赖

Spring Boot

框架中立

Spring Boot

无（纯JDK）

Spring Boot

框架中立
Java 版本

Java 17+

Java 17+

Java 17+

 Java 8~26

Java 17+

Java 17+
模型支持

10+

20+

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

✅ ReActAgent+TeamAgent

✅ 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。

GitHub：https://github.com/spring-projects/spring-ai | Stars：8,854 | 最新版本：2.0.0-M8

核心能力
  • ChatClient

     — 流式 API，风格类似 WebClient/RestClient

  • Tool/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.x）：




 
  

   
   
    
xml

  

 



<dependency>

       <groupId>org.springframework.ai</groupId>

       <artifactId>spring-ai-openai-spring-boot-starter</artifactId>

       <version>1.1.7</version>

   </dependency>


application.yml：





 
  

   
   
    
yaml

  

 



spring:

     ai:

       openai:

         api-key: ${OPENAI_API_KEY}

         chat:

           options:

             model: gpt-4o


ChatClient 使用：





 
  

   
   
    
java

  

 



@RestController

   classChatController {

       privatefinal ChatClient chatClient;


       publicChatController(ChatClient.Builder builder) {

           this.chatClient = builder.build();

       }


       @GetMapping("/chat")

       String chat(@RequestParam String message) {

           return chatClient.prompt()

               .user(message)

               .call()

               .content();

       }

   }


带 RAG 的 ChatClient：





 
  

   
   
    
java

  

 



@RestController

   classRagController {

       privatefinal ChatClient chatClient;


       publicRagController(ChatClient.Builder builder, VectorStore vectorStore) {

           this.chatClient = builder

               .defaultAdvisors(

                   newVectorStoreChatMemoryAdvisor(vectorStore),

                   newQuestionAnswerAdvisor(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 Spring，Quarkus、Micronaut、Helidon、纯 Java 都能用。


GitHub：https://github.com/langchain4j/langchain4j | Stars：12,196 | 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 Agent
    • 
 
  • Skill
  
     — 原生 Skill 模块，遵循 Agent Skills 规范
    • 
 
  • MCP 支持
  
     — Model Context Protocol
    • 
 
  • Chat 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：





 
  

   
   
    
xml

  

 



<dependency>

       <groupId>dev.langchain4j</groupId>

       <artifactId>langchain4j</artifactId>

       <version>1.15.1</version>

   </dependency>

   <dependency>

       <groupId>dev.langchain4j</groupId>

       <artifactId>langchain4j-open-ai</artifactId>

       <version>1.15.1</version>

   </dependency>


基础对话：





 
  

   
   
    
java

  

 



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）：





 
  

   
   
    
java

  

 



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 frontmatter（name + 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：





 
  

   
   
    
markdown

  

 



---

   name: docx

   description: Edit and review Word documents using tracked changes

   ---


   # Word Document Editor


   Instructions 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。





 
  

   
   
    
java

  

 



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）。





 
  

   
   
    
java

  

 



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 user's 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





 
  

   
   
    
java

  

 



@Agent

   interface 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，Skill+Agent 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。


GitHub：https://github.com/alibaba/spring-ai-alibaba | Stars：9,871 | 版本：1.1.2.0


官方文档：https://java2ai.com/docs/overview


快速上手


Maven 依赖：





 
  

   
   
    
xml

  

 



<dependency>

       <groupId>com.alibaba.cloud.ai</groupId>

       <artifactId>spring-ai-alibaba-agent-framework</artifactId>

       <version>1.1.2.0</version>

   </dependency>

   <dependency>

       <groupId>com.alibaba.cloud.ai</groupId>

       <artifactId>spring-ai-alibaba-starter-dashscope</artifactId>

       <version>1.1.2.1</version>

   </dependency>


构建 ReactAgent：





 
  

   
   
    
java

  

 



DashScopeApi dashScopeApi= DashScopeApi.builder()

       .apiKey(System.getenv("AI_DASHSCOPE_API_KEY"))

       .build();

   ChatModelchatModel= DashScopeChatModel.builder()

       .dashScopeApi(dashScopeApi)

       .build();


   // 定义工具

   ToolCallbackweatherTool= FunctionToolCallback.builder("get_weather", newWeatherTool())

       .description("Get weather for a given city")

       .inputType(String.class)

       .build();


   // 创建 ReactAgent

   ReactAgentagent= ReactAgent.builder()

       .name("weather_agent")

       .model(chatModel)

       .tools(weatherTool)

       .build();


   Stringresult= 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 SkillRegistry + SkillsAgentHook 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 Prompt
    • 
 
  • FileSystemSkillRegistry
  
     — 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 frontmatter（name + description）+ 指令

   │   ├── references/       # 可选

   │   └── scripts/          # 可选

   ├── code-reviewer/

   │   └── SKILL.md


SKILL.md 格式（完全一致）：





 
  

   
   
    
markdown

  

 



---

   name: pdf-extractor

   description: Extract structured data from PDF documents

   ---


   # PDF Extractor


   Instructions for extracting data from PDF files...


在 Agent 中使用：





 
  

   
   
    
java

  

 



SkillRegistry registry= FileSystemSkillRegistry.builder()

       .projectSkillsDirectory(System.getProperty("user.dir") + "/skills")

       .build();


   SkillsAgentHookhook= SkillsAgentHook.builder()

       .skillRegistry(registry)

       .build();


   ReactAgentagent= ReactAgent.builder()

       .name("skills-agent")

       .model(chatModel)

       .saver(newMemorySaver())

       .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 Agent（ReactAgent）： ReAct 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 Core）： DAG 工作流 + 条件路由 + 状态管理 + PlantUML/Mermaid 可视化


A2A（Agent-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 DashScope

  

  

   
    
Graph 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。


GitHub：https://github.com/opensolon/solon | Stars：2,745 | AI 版本：v3.9.0+（v3.10.7）


AI 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，v3.9.0+）
    • 
 
  • solon-ai-rag
  
     — RAG 知识库
    • 
 
  • solon-ai-flow
  
     — AI 工作流编排
    • 
 
  • solon-ai-agent
  
     — Agent（SimpleAgent、ReActAgent、TeamAgent）
    • 
 
  • solon-ai-harness
  
     — Harness 智能体马具框架
    • 
 
  • solon-ai-mcp
  
     — MCP 协议
    • 



快速上手





 
  

   
   
    
xml

  

 



<dependency>

       <groupId>org.noear</groupId>

       <artifactId>solon-ai</artifactId>

       <version>3.10.7</version>

   </dependency>





 
  

   
   
    
java

  

 



@Controller

   public 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-skills（v3.9.0+），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 Skills

  

 



Skill 类型体系：



 
  

   
    
Skill 类型

   
    
用途

  

 
 
  

   CliSkill
   
    
对接海量 Claude Agent Skills 生态（兼容 agentskills.io）

  

  

   RestApiSkill
   
    
对接海量 WebAPI

  

  

   ToolGatewaySkill
   
    
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-harness Harness 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。


GitHub：https://github.com/agentscope-ai/agentscope-java | Stars：3,457


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_send
    • 
 
  • Middleware
  
     — 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：


    
 
  1. 技能市场（Skill Repository）
  
     — Git 仓库 / Nacos / MySQL / classpath / 自定义后端
    2. 
 
  2. 工作区
  
     — workspace/skills/ 共享 / <userId>/skills/ 按用户隔离
    3. 



Skill 目录结构（完全一致）：





 
  

   
   
    

  

 



code-reviewer/

   ├── SKILL.md           # YAML frontmatter（name + 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.sh


SKILL.md 格式（完全一致）：





 
  

   
   
    
markdown

  

 



---

   name: code-reviewer

   description: 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：





 
  

   
   
    
java

  

 



// Git 技能仓库

   HarnessAgentagent= HarnessAgent.builder()

       .name("assistant")

       .model(model)

       .workspace(workspace)

       .skillRepository(newGitSkillRepository("https://github.com/your-org/team-skills.git"))

       .build();


   // Nacos 技能市场

   NacosSkillRepositorymarket=newNacosSkillRepository(aiService, "namespace");

   HarnessAgent.builder()

       .skillRepository(market)

       .build();


   // MySQL 技能注册表

   MysqlSkillRepositoryregistry= 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-how
    • 



Agent 支持 ✅ （完善）


HarnessAgent： Middleware + 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。



 
  

   
    
SDK

   
    
GitHub 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)

   
    
1,466

   
    
OpenAI 官方 Java 库

  

  

   
    
deepseek4j

   
    
752

   
    
DeepSeek Java SDK

  

  

   
    
chatgpt-java

   
    
3,449

   
    
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.md（YAML 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/Remote

   20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 + SkillsAgentHook

  

  

   AgentScope-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

   
    
LangChain4j

   
    
Spring AI Alibaba

   
    
AgentScope-Java

   
    
Solon 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 / ShellSkills

   
    
SkillRegistry + SkillsAgentHook

   
    
SkillRepository

   
    
SkillRegistry

  

  

   加载方式
   
    
文件系统

   
    
FileSystemSkillRegistry

   
    
Git / 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
   
    
✅

   
    
✅

   
    
✅ Workflow+Pure Agent

   
    
@Agent + agentic 模块 + MCP

   
    
最灵活

  

  

   Spring AI Alibaba
   
    
✅

   
    
✅

   
    
✅ Graph/DAG

   
    
ReactAgent + 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
   
    
❌

   
    
❌

   
    
❌

   
    
—

   
    
—

  

 



五、选型建议


按技术栈


Spring Boot 重度用户 → Spring AI


只做基础对话/RAG 的话，Spring AI 上手最快。需要 Skill 和 Agent 就在它上面叠 Spring AI Alibaba 或 LangChain4j。


需要 Skill + Agent 全栈 → LangChain4j 或 Solon AI


两个都是功能很全的选择。LangChain4j 框架中立，社区大（12k+ Stars）。Solon AI 轻量，Java 8~26 都兼容。看技术栈偏好：Spring 生态选前者，纯 Java 或非 Spring 选后者。


需要多 Agent 编排 + Skill + Spring 生态 → Spring AI Alibaba


团队在用 Spring Boot 的话，这是最自然的选择。兼容 Spring AI，自带 Graph 工作流，不用额外搭编排层。


需要企业级生产部署 + Skill 系统 → AgentScope-Java


沙箱执行、快照恢复、多后端 Skill 市场、自学习闭环、多租户隔离——Harness 的工程化能力确实是其他框架没做的。Skill 支持 Git/Nacos/MySQL 三种后端。


非 Spring 技术栈 / 极致轻量 → Solon AI


纯 JDK 就能跑，Java 8~26 兼容，IoT 和边缘计算场景下比 Spring 系实在太多。


企业私有化部署 → JBoltAI / AgentScope-Java


JBoltAI 有可视化编排和审计日志，AgentScope-Java 有沙箱执行和 Harness 工程化。看你是要"好用"还是要"可靠"。


一个通用组合方案


Spring Boot 项目想要全套能力：





 
  

   
   
    

  

 



Spring AI（基础 Chat/RAG + 可观测性）

     + Spring AI Alibaba（Agent 编排 + Skill 支持）


非 Spring 项目想要轻量全栈：





 
  

   
   
    

  

 



Solon AI（全模块：Chat + Agent + Skill + Flow + Harness）


LangChain4j 和 Spring AI Alibaba 有功能重叠，选一个就行。AgentScope-Java 的 Skill Repository 和沙箱执行可以当补充层加进来。
 
  

        # spring
      
  
 
 Logo 
龙虾开发者社区
 
小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用
 
 
  
更多推荐
  
 
AI Agent记忆系统深度解析：从短期上下文到长期知识库的架构设计
 
分层组织文档解析图谱更新记忆检索器。
 
avatar 龙虾开发者社区
 
 
2026 年 AI 前沿技术深度解析：Agent、多模态与工程化落地
 
2026 年 AI 前沿技术深度解析：Agent、多模态与工程化落地 一、引言 2026 年，人工智能领域正经历从「模型能力竞赛」到「系统级智能落地」的关键转折。大语言模型不再是孤立的对话工具，而是演变为具备自主决策能力、多感官感知能力和工程化交付能力的智能体系统。本文将深入解析 AI Agent、多模态模型和 AI 工程化三大前沿方向的核心进展与实践洞察。 --- 二、AI...
 
avatar 龙虾开发者社区
 
 
2026 年 AI 前沿技术深度解析：Agent、多模态与工程化落地
 
2026 年 AI 前沿技术深度解析：Agent、多模态与工程化落地 一、引言 2026 年，人工智能领域正经历从「模型能力竞赛」到「系统级智能落地」的关键转折。大语言模型不再是孤立的对话工具，而是演变为具备自主决策能力、多感官感知能力和工程化交付能力的智能体系统。本文将深入解析 AI Agent、多模态模型和 AI 工程化三大前沿方向的核心进展与实践洞察。 --- 二、AI...
 
avatar 龙虾开发者社区