SpringAIAlibaba分层架构解析，看清SAA在SpringAI之上加了什么

Spring AI Alibaba（简称 SAA）作为基于 Spring AI 构建的 Java 智能体开发框架，在中文社区备受关注。然而，多数讨论仅停留在注解和示例层面，缺乏对其核心增量的深入分析。本文将从架构视角出发，系统拆解 SAA 的分层设计及其价值所在。

底座支撑：Spring AI 的原子能力

SAA 并未重复造轮子，而是建立在 Spring AI 及其扩展仓的基础之上。其底层能力主要包括：ChatClient 作为与模型对话的核心入口，支持多轮上下文管理的 ChatMemory，以及通过 ToolCallback 和 MCPTool 实现工具调用的机制。此外，RAG 抽象链路负责检索增强生成，Observation 则提供可观测性埋点。这些确定性的原子能力构成了 SAA 编排层的基石。

五层架构：SAA 的增量所在

SAA 的架构可划分为五层：业务接入层、智能体框架层、图编排引擎层、Spring AI 原子抽象层和模型后端层。其中，智能体框架层和图编排引擎层是 SAA 自主开发的增量部分。智能体框架层预实现了常见编排套路，简化了开发者工作；图编排引擎层则将智能体执行建模为有状态的图结构，支持长流程、可恢复和可审计的智能体实现。

核心增量：图编排与多智能体

SAA 的两大核心增量模块分别是 graph-core 和 agent-framework。graph-core 将一次智能体执行建模为包含状态、节点和边的图结构，所有中间状态均可序列化并持久化。agent-framework 则提供了 ReactAgent、Seqential、Parallel 等多种智能体类型，支持单智能体、内置编排和跨服务调用等多种场景。

模块依赖与产物

SAA 是一个多模块工程，其模块依赖关系清晰可见。最底层的 spring-ai-alibaba-bom 负责版本管理，往上依次是 graph-core、agent-framework 等核心模块。这些模块共同构成了 SAA 的产品体系，包括 studio（可视化调试）、admin（一站式平台）和 sandbox（工具沙箱）等平台型模块。

行业意义与未来展望

SAA 的分层架构设计不仅提升了智能体开发的标准化程度，也为后续功能扩展提供了良好基础。通过将复杂流程封装为可复用的原子能力，SAA 降低了开发者门槛，同时保持了足够的灵活性以适应不同应用场景。这种架构模式可能成为未来智能体开发的标准范式之一。

随着 AI 技术的不断发展，SAA 的价值将进一步显现。其分层设计不仅有助于构建更复杂的智能体应用，也为与其他 AI 平台和工具的集成提供了便利。可以预见，SAA 将在推动 AI 智能体落地应用方面发挥重要作用。