一、Multi-Agent 核心概念官方对Multi-Agent的定义清晰直白Multi-agent将复杂的应用程序分解为多个协同工作的专业化Agent。与依赖单个Agent处理所有步骤不同Multi-agent架构允许你将更小、更专注的Agent组合成协调的工作流。Multi-agent系统在以下情况下很有用单个Agent拥有太多工具难以做出正确的工具选择决策上下文或记忆增长过大单个Agent难以有效跟踪任务需要专业化例如规划器、研究员、数学专家二、指令占位符Instruction用法支持使用占位符来动态引用状态中的数据。比如AgentB需要使用AgentA处理后的数据就需要通过Instruction来获取1、支持的占位符占位符说明使用场景{input}用户输入的原始内容第一个Agent或需要用户输入的 Agent{outputKey}引用其他Agent通过outputKey存储的输出顺序执行中后续Agent引用前面Agent的输出{stateKey}引用状态中的任意键值访问状态中的任何数据2、占位符工作原理自动替换系统会在执行 Agent 的 instruction 时自动将占位符替换为对应的实际值状态查找占位符会从当前状态OverAllState中查找对应的值类型安全占位符的值会被转换为字符串并插入到 instruction 中三、公共代码ChatModel获取我先把获取ChatModel这个公共代码放在这里后面就不重复写进来了默认模型qwen-pluspublic static ChatModel getChatModel() { DashScopeApi dashScopeApi DashScopeApi.builder() .apiKey(System.getenv(AliQwen_API)) .build(); return DashScopeChatModel.builder() .dashScopeApi(dashScopeApi) .defaultOptions(DashScopeChatOptions.builder() // Note: model must be set when use options build. .model(DashScopeChatModel.DEFAULT_MODEL_NAME) .temperature(0.5) .maxToken(1000) .build()) .build(); }四、顺序执行Sequential Agent顾名思义多个Agent按照顺序依次执行上一个Agent的输出结果可以传递给下一个Agent1. 执行流程Agent A处理初始输入Agent A的输出传递给Agent BAgent B处理并传递给Agent C最后一个Agent返回最终结果2. 示例代码import com.alibaba.cloud.ai.dashscope.api.DashScopeApi; import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatModel; import com.alibaba.cloud.ai.dashscope.chat.DashScopeChatOptions; import com.alibaba.cloud.ai.graph.NodeOutput; import com.alibaba.cloud.ai.graph.agent.ReactAgent; import com.alibaba.cloud.ai.graph.agent.flow.agent.SequentialAgent; import com.alibaba.cloud.ai.graph.exception.GraphRunnerException; import com.alibaba.cloud.ai.graph.streaming.StreamingOutput; import org.springframework.ai.chat.messages.AssistantMessage; import org.springframework.ai.chat.messages.Message; import org.springframework.ai.chat.model.ChatModel; import reactor.core.publisher.Flux; import java.io.IOException; import java.util.List; import java.util.Optional; import com.alibaba.cloud.ai.graph.OverAllState; public class SequentialAgentTest { public static void main(String[] args) throws GraphRunnerException, IOException { ChatModel chatModel getChatModel(); // 创建专业化的子Agent ReactAgent writerAgent ReactAgent.builder() .name(writer_agent) .model(chatModel) .description(专业写作Agent) .instruction(你是一个知名的作家擅长写作和创作。请根据用户的提问进行回答{input}。) .outputKey(article) .build(); ReactAgent translateAgent ReactAgent.builder() .name(translate_agent) .model(chatModel) .description(专业翻译Agent) .instruction( 你是一个知名的翻译官擅长对文章翻译。 待翻译文章 {article} 最终只返回翻译后的文章。) .outputKey(reviewed_article) .build(); // 创建顺序Agent SequentialAgent blogAgent SequentialAgent.builder() .name(blog_agent) .description(根据用户给定的主题写一篇文章然后将文章交给翻译员进行翻译) .subAgents(List.of(writerAgent, translateAgent)) .build(); // 测试 OptionalOverAllState result blogAgent.invoke(帮我写一个100字左右的散文不用输出字数); if (result.isPresent()) { OverAllState state result.get(); // 访问第一个Agent的输出 state.value(article).ifPresent(article - { if (article instanceof AssistantMessage) { System.out.println(原始文章: ((AssistantMessage) article).getText()); } }); // 访问第二个Agent的输出 state.value(reviewed_article).ifPresent(reviewedArticle - { if (reviewedArticle instanceof AssistantMessage) { System.out.println(翻译后文章: ((AssistantMessage) reviewedArticle).getText()); } }); } }3. 运行结果原始文章: 晨光初染窗棂茶烟袅袅浮起如一段未写完的旧信。院中老槐静立枝桠间漏下碎金在青砖上缓缓游移。风来几片薄叶旋落无声栖于石阶像时光轻轻踮脚走过。邻家孩童追着纸鸢跑远笑声清亮撞碎一巷薄雾。我凝望这寻常片刻——原来人间至味并非惊雷烈酒而是晨光、微风、落叶与未凉的茶在素常里酿出微光。 翻译后文章: Dawn’s first light gently tints the window frame; tea steam rises in delicate, lingering wisps—like an unfinished old letter. In the courtyard, an ancient locust tree stands still, its branches filtering golden shards of sunlight that slowly drift across the bluish-gray bricks. A breeze stirs: a few slender leaves spiral down, settling silently on the stone steps—as if time itself tiptoed past. A neighbor’s child chases a kite down the lane, laughter bright and clear, shattering the morning mist. Gazing upon this ordinary moment, I realize: life’s truest flavor lies not in thunderclaps or strong wine, but in dawn light, soft wind, falling leaves, and tea still warm—subtle radiance brewed quietly in the everyday.4. 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五、并行执行Parallel Agent当不考虑智能体的执行顺序时可以使用Parallel Agent多个智能体接收相同的输出进行处理最后将结果汇总1. 执行流程输入同时发送给所有Agent所有Agent并行处理结果被合并成单一输出2. 示例代码public static void main(String[] args) throws GraphRunnerException { ChatModel chatModel getChatModel(); // 创建多个专业化Agent ReactAgent proseWriterAgent ReactAgent.builder() .name(prose_writer_agent) .model(chatModel) .description(专门写散文的AI助手) .instruction(你是一个知名的散文作家擅长写优美的散文。 用户会给你一个主题{input}你只需要创作一篇100字左右的散文。) .outputKey(prose_result) .build(); ReactAgent poemWriterAgent ReactAgent.builder() .name(poem_writer_agent) .model(chatModel) .description(专门写现代诗的AI助手) .instruction(你是一个知名的现代诗人擅长写现代诗。 用户会给你的主题是{input}你只需要创作一首现代诗。) .outputKey(poem_result) .build(); ReactAgent summaryAgent ReactAgent.builder() .name(summary_agent) .model(chatModel) .description(专门做内容总结的AI助手) .instruction(你是一个专业的内容分析师擅长对主题进行总结和提炼。 用户会给你一个主题{input}你只需要对这个主题进行简要总结。) .outputKey(summary_result) .build(); // 创建并行Agent ParallelAgent parallelAgent ParallelAgent.builder() .name(parallel_creative_agent) .description(并行执行多个创作任务包括写散文、写诗和做总结) .mergeOutputKey(merged_results) .subAgents(List.of(proseWriterAgent, poemWriterAgent, summaryAgent)) .mergeStrategy(new CustomMergeStrategy()) .build(); // 使用 OptionalOverAllState result parallelAgent.invoke(以西湖为主题); if (result.isPresent()) { OverAllState state result.get(); // 访问各个Agent的输出 state.value(prose_result).ifPresent(r - System.out.println(散文: r)); state.value(poem_result).ifPresent(r - System.out.println(诗歌: r)); state.value(summary_result).ifPresent(r - System.out.println(总结: r)); // 访问合并后的结果 state.value(merged_results).ifPresent(r - System.out.println(合并结果: r)); } }3. 自定义合并策略通过自定义合并策略来控制组合多个Agent的输出public class CustomMergeStrategy implements ParallelAgent.MergeStrategy { Override public Object merge(MapString, Object mergedState, OverAllState state) { // 从每个Agent的状态中提取输出 state.data().forEach((key, value) - { // 检查key不为null且以_result结尾 if (key ! null key.endsWith(_result)) { String resultText ; if (value instanceof GraphResponse graphResponse) { if (graphResponse.resultValue().isPresent()) { HashMap messageMap (HashMap) graphResponse.resultValue().get(); AssistantMessage assistantMessage (AssistantMessage) messageMap.get(key); resultText assistantMessage.getText(); } } else if (value ! null) { resultText value.toString(); } Object existing mergedState.get(all_results); if (existing null) { mergedState.put(all_results, resultText); } else { mergedState.put(all_results, existing \n\n---\n\n resultText); } } }); return mergedState; } }4. 输出结果合并结果: {all_results《曲径证词》 粉墙是未拆封的宣纸 苔痕在青砖缝里写小楷—— 一笔就洇开三百年雨。 假山不假它用太湖石的嶙峋 把整座江南叠进一拳掌中 游鱼在漏窗格子里游成篆字 而影子在池底临摹另一座园林。 你数过九曲桥的弯吗 每一道折都把直路还给流水 把时间还给回廊的弧度。 当夕光斜切过飞檐 瓦上霜色忽然浮起—— 原来最深的幽静 是光在转身时 轻轻合拢的门。 石阶微凉而月光正从花窗进来 替所有未出口的留白 落款。 --- 苏州园林是中国古典私家园林的杰出代表以“咫尺乾坤”的造园理念融合诗、书、画、印等艺术形式追求自然意趣与人文精神的统一。其典型特征包括精巧的布局如借景、框景、对景、丰富的建筑元素亭、台、楼、阁、廊、舫、写意的山水营造旱园水做、石峰点景、细腻的装饰工艺花窗、铺地、彩绘、木雕以及深厚的文化内涵隐逸思想、文人审美。代表园林有拙政园、留园、网师园、狮子林等1997年被联合国教科文组织列入《世界遗产名录》。 --- 。。。。不粘贴出来了六、智能路由LlmRoutingAgent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。1.执行流程路由Agent接收用户输入LLM分析输入并决定最合适的子Agent选中的子Agent处理请求结果返回给用户2. 示例代码public static void main(String[] args) { ChatModel chatModel getChatModel(); ReactAgent proseWriterAgent ReactAgent.builder() .name(prose_writer_agent) .model(chatModel) .description(Can write prose articles.) .instruction(You are a renowned writer skilled in writing prose. Please respond to the following request: {input}) .outputKey(prose_article) .build(); ReactAgent poemWriterAgent ReactAgent.builder() .name(poem_writer_agent) .model(chatModel) .description(Can write modern poetry.) .instruction(You are a famous poet skilled in modern poetry. Please use tools to respond to the following request: {input}) .outputKey(poem_article) .tools(List.of(createPoetToolCallback())) .build(); LlmRoutingAgent blogAgent LlmRoutingAgent.builder() .name(blog_agent) .model(chatModel) .description(Can write articles or poems based on user-provided topics.) .subAgents(List.of(proseWriterAgent, poemWriterAgent)) .build(); try { GraphRepresentation representation blogAgent.getGraph().getGraph(GraphRepresentation.Type.PLANTUML); System.out.println(representation.content()); OptionalOverAllState result blogAgent.invoke(帮我写一个100字左右的现代诗); blogAgent.invoke(帮我写一个100字左右的现代诗); OptionalOverAllState result3 blogAgent.invoke(帮我写一个100字左右的现代诗); OverAllState state result.get(); OverAllState state3 result3.get(); AssistantMessage poemContent (AssistantMessage) state.value(poem_article).get(); AssistantMessage poemContent3 (AssistantMessage) state3.value(poem_article).get(); System.out.println(result.get()); System.out.println(------------------); System.out.println(result3.get()); } catch (CompletionException | GraphRunnerException e) { e.printStackTrace(); } }3. 输出结果10:45:58.958 [main] INFO com.alibaba.cloud.ai.graph.agent.flow.node.RoutingNode -- RoutingAgent blog_agent routed to single sub-agent poem_writer_agent. Poet tool called : 100字左右的现代诗 10:46:03.509 [main] INFO com.alibaba.cloud.ai.graph.agent.flow.node.RoutingNode -- RoutingAgent blog_agent routed to single sub-agent poem_writer_agent. Poet tool called : 100字左右的现代诗 10:46:08.768 [main] INFO com.alibaba.cloud.ai.graph.agent.flow.node.RoutingNode -- RoutingAgent blog_agent routed to single sub-agent poem_writer_agent. Poet tool called : 帮我写一个100字左右的现代诗 {OverAllState:{data:{_graph_execution_id_:438452b3-d336-4581-99ac-690e56564841,input:帮我写一个100字左右的现代诗,messages:[{messageType:USER,metadata:{messageType:USER},media:[],text:帮我写一个100字左右的现代诗},{messageType:USER,metadata:{messageType:USER},rendered:false,text:You are a famous poet skilled in modern poetry. Please use tools to respond to the following request: {input}},{messageType:ASSISTANT,metadata:{search_info:,role:ASSISTANT,messageType:ASSISTANT,finishReason:STOP,id:08c74cd3-a22f-476e-b9dd-52506b5642be,reasoningContent:},toolCalls:[],media:[],text:在城市的缝隙里 \n一束光悄悄发芽 \n穿过钢筋水泥的沉默 \n在风中轻轻说话。 \n\n夜色如墨却不再黑 \n星星点亮了每一个角落 \n我站在时间的边缘 \n等一朵云轻轻落下。 \n\n——这是属于你的一首现代诗简洁而有呼吸感愿它在喧嚣中为你留出一片静默与微光。}],poem_article:{messageType:ASSISTANT,metadata:{search_info:,role:ASSISTANT,messageType:ASSISTANT,finishReason:STOP,id:08c74cd3-a22f-476e-b9dd-52506b5642be,reasoningContent:},toolCalls:[],media:[],text:在城市的缝隙里 \n一束光悄悄发芽 \n穿过钢筋水泥的沉默 \n在风中轻轻说话。 \n\n夜色如墨却不再黑 \n星星点亮了每一个角落 \n我站在时间的边缘 \n等一朵云轻轻落下。 \n\n——这是属于你的一首现代诗简洁而有呼吸感愿它在喧嚣中为你留出一片静默与微光。}}}} ------------------ 省略。。4. 自定义提示词LlmRoutingAgent支持使用SystemPrompt指定系统提示词下面摘抄自官方示例:final String ROUTING_SYSTEM_PROMPT 你是一个智能的内容路由Agent负责根据用户需求将任务路由到最合适的专家Agent。 ## 你的职责 1. 仔细分析用户输入的意图和需求 2. 根据任务特性选择最合适的专家Agent 3. 确保路由决策准确、高效 ## 可用的子Agent及其职责 ### writer_agent - **功能**: 擅长创作各类文章包括散文、诗歌等文学作品 - **适用场景**: * 用户需要创作新文章、散文、诗歌等原创内容 * 简单的写作任务 - **输出**: writer_output ### reviewer_agent - **功能**: 擅长对文章进行评论、修改和润色 - **适用场景**: * 用户需要修改、评审或优化现有文章 * 需要提高文章质量 - **输出**: reviewer_output ### translator_agent - **功能**: 擅长将文章翻译成各种语言 - **适用场景**: * 用户需要将内容翻译成其他语言 * 多语言转换需求 - **输出**: translator_output ## 决策规则 1. **写作任务**: 如果用户需要创作新内容选择 writer_agent 2. **修改任务**: 如果用户需要修改或优化现有内容选择 reviewer_agent 3. **翻译任务**: 如果用户需要翻译内容选择 translator_agent ## 响应格式 只返回Agent名称writer_agent、reviewer_agent、translator_agent不要包含其他解释。 ; LlmRoutingAgent routingAgent LlmRoutingAgent.builder() .name(content_routing_agent) .description(根据用户需求智能路由到合适的专家Agent) .model(chatModel) .systemPrompt(ROUTING_SYSTEM_PROMPT) .subAgents(List.of(writerAgent, reviewerAgent, translatorAgent)) .build();七、监督者SupervisorAgentSupervisorAgent 是多智能体系统的 “大脑 / 协调者”核心职责接收用户请求理解并拆解复杂任务决策调度根据任务类型选择最合适的子智能体如写作、翻译、搜索等循环执行多次调用不同子智能体完成多步骤任务结果整合汇总子智能体输出形成最终答案1. 执行流程监督者Agent接收用户输入或前序Agent的输出LLM分析当前状态并决定最合适的子Agent选中的子Agent处理任务子Agent执行完成后返回监督者监督者根据结果决定继续路由到另一个子Agent多步骤任务返回FINISH完成任务2. 示例代码static final String SUPERVISOR_SYSTEM_PROMPT 你是一个智能的内容管理监督者负责协调和管理多个专业Agent来完成用户的内容处理需求。 ## 你的职责 1. 分析用户需求将其分解为合适的子任务 2. 根据任务特性选择合适的Agent进行处理 3. 监控任务执行状态决定是否需要继续处理或完成任务 4. 当所有任务完成时返回FINISH结束流程 ## 可用的子Agent及其职责 ### writer_agent - **功能**: 擅长创作各类文章包括散文、诗歌等文学作品 - **适用场景**: * 用户需要创作新文章、散文、诗歌等原创内容 * 简单的写作任务不需要后续评审或修改 - **输出**: writer_output ### translator_agent - **功能**: 擅长将文章翻译成各种语言 - **适用场景**: 当文章需要翻译成其他语言时 - **输出**: translator_output ## 决策规则 1. **单一任务判断**: - 如果用户只需要简单写作选择 writer_agent - 如果用户需要翻译选择 translator_agent 2. **多步骤任务处理**: - 如果用户需求包含多个步骤如先写文章然后翻译需要分步处理 - 先路由到第一个合适的Agent等待其完成 - 完成后根据剩余需求继续路由到下一个Agent - 直到所有步骤完成返回FINISH 3. **任务完成判断**: - 当用户的所有需求都已满足时返回FINISH ## 响应格式 只返回Agent名称writer_agent、translator_agent或FINISH不要包含其他解释。 ; public static void main(String[] args) throws GraphRunnerException, IOException { ChatModel chatModel getChatModel(); // 创建专业化的子Agent ReactAgent writerAgent ReactAgent.builder() .name(writer_agent) .model(chatModel) .description(擅长创作各类文章包括散文、诗歌等文学作品) .outputKey(writer_output) .build(); ReactAgent translatorAgent ReactAgent.builder() .name(translator_agent) .model(chatModel) .description(擅长将文章翻译成各种语言) .outputKey(translator_output) .build(); // 创建监督者Agent SupervisorAgent supervisorAgent SupervisorAgent.builder() .name(content_supervisor) .description(内容管理监督者) .systemPrompt(SUPERVISOR_SYSTEM_PROMPT) .mainAgent(writerAgent) .model(chatModel) .subAgents(List.of(writerAgent, translatorAgent)) .build(); // 使用 - 监督者会根据任务自动路由并支持多步骤处理 FluxNodeOutput flux supervisorAgent.stream(先帮我写一篇关于春天的短文,然后将文章翻译成英文); flux.subscribe(chunk - { if (chunk instanceof StreamingOutput? streamingOutput) { String newContent ; Message message streamingOutput.message(); if (message instanceof AssistantMessage assistantMessage) { Object finishReason message.getMetadata().get(finishReason); if (finishReason null) { newContent assistantMessage.getText(); } if (finishReason ! null !finishReason.toString().equals(STOP)) { newContent assistantMessage.getText(); } } System.out.println(newContent); } }); System.in.read(); }3. 输出结果11:06:21.373 [main] INFO com.alibaba.cloud.ai.graph.agent.flow.node.MainAgentNodeAction -- Invoking mainAgent writer_agent compiled graph with threadId: Optional[subgraph_writer_agent] Agent output text: **中文短文春天的信使** 当冬寒悄然退去大地便轻轻舒展腰身——春天来了。 柳枝最先醒来在微风中抽出嫩黄的新芽像一串串小小的音符轻轻摇曳在清冽的空气里。桃花、杏花、梨花次第绽放粉的娇羞白的澄澈红的热烈把山坡、小院、河岸染成流动的锦缎。泥土松软温润蚯蚓在深处翻动草尖顶开枯叶怯生生地探出一点新绿。 清晨鸟鸣清亮如洗午后阳光温柔似蜜晒得人懒洋洋地想打个盹傍晚归燕掠过屋檐衔来南方的暖意与旧年的故事。孩子们脱下厚衣在田野里奔跑纸鸢乘着东风扶摇直上仿佛把整个童年的欢笑都放飞到了云朵之间。 春天从不喧哗却用最细腻的笔触把希望写进每一片叶脉、每一滴露珠、每一双仰望天空的眼睛里。它提醒我们凋零不是终点而是生命在静默中积蓄力量只为一次更盛大的重逢。 --- **English Translation: The Herald of Spring** As winter’s chill quietly retreats, the earth gently stretches its limbs—spring has arrived. The willow branches are the first to awaken, sprouting tender yellow buds in the breeze—like tiny musical notes swaying softly in the crisp, clear air. Peach blossoms, apricot flowers, and pear blossoms bloom in gentle succession: pink ones blush with shy charm, white ones gleam with serene purity, and red ones blaze with quiet passion—painting hillsides, courtyards, and riverbanks with a flowing, living tapestry. The soil grows soft and warm; earthworms stir beneath the surface, while fresh green shoots push through last year’s dry leaves, timidly raising their heads. At dawn, birdsong rings out, clear and cleansing; at noon, sunlight pours down like golden honey—so warm and gentle it lulls one into drowsy contentment; by evening, swallows glide home across rooftops, carrying southern warmth and stories from seasons past. Children shed their heavy coats and race across open fields; kites soar high on the east wind, lifting childhood laughter all the way up into the clouds. Spring never shouts—it speaks instead in whispers, using the finest brushstroke to inscribe hope into every leaf vein, every dewdrop, and every pair of eyes gazing upward toward the sky. It reminds us: decay is never an end, but rather life’s quiet season of gathering strength—preparing, always, for a more magnificent reunion.八、多种Agent混合使用实际业务中往往会将多种Agent模式组合使用打造完整的工作流。以下以电商订单智能处理为例融合并行查询、智能分析、路由处理、顺序执行实现全自动售后处理。1. 示例代码public static void main(String[] args) throws GraphRunnerException { ChatModel chatModel getChatModel(); // 1. 创建并行查询Agent同时查用户信息 订单信息 ReactAgent userQueryAgent ReactAgent.builder() .name(user_query) .model(chatModel) .description(查询用户信息、会员等级、历史行为) .instruction(根据用户ID查询用户信息{input}) .outputKey(user_info) .build(); ReactAgent orderQueryAgent ReactAgent.builder() .name(order_query) .model(chatModel) .description(查询订单状态、物流、商品信息) .instruction(根据订单号查询订单详细信息{input}) .outputKey(order_info) .build(); // 并行执行同时查用户订单大幅提速 ParallelAgent queryAgent ParallelAgent.builder() .name(parallel_query) .description(并行查询用户信息与订单信息) .subAgents(List.of(userQueryAgent, orderQueryAgent)) .mergeOutputKey(query_data) .build(); // 2. 智能分析Agent分析问题类型退款/换货/补发/咨询 ReactAgent analysisAgent ReactAgent.builder() .name(order_analysis) .model(chatModel) .description(分析用户问题、订单状态给出处理建议) .instruction( 分析以下查询数据判断用户需求类型 1. 未发货仅退款 → 退款 2. 已收货质量问题 → 换货 3. 少发/漏发 → 补发 4. 其他 → 人工客服 数据{query_data} ) .outputKey(analysis_result) .build(); // 3. 路由处理Agent根据分析结果自动选择处理方式 ReactAgent refundAgent ReactAgent.builder() .name(refund_process) .model(chatModel) .description(自动生成退款方案) .instruction( 根据订单与分析结果生成退款处理方案 订单信息{order_info} 分析结果{analysis_result} ) .outputKey(refund_solution) .build(); ReactAgent exchangeAgent ReactAgent.builder() .name(exchange_process) .model(chatModel) .description(自动生成换货方案) .instruction( 根据订单与分析结果生成换货处理方案 订单信息{order_info} 分析结果{analysis_result} ) .outputKey(exchange_solution) .build(); ReactAgent resendAgent ReactAgent.builder() .name(resend_process) .model(chatModel) .description(自动生成补发方案) .instruction( 根据订单与分析结果生成补发处理方案 订单信息{order_info} 分析结果{analysis_result} ) .outputKey(resend_solution) .build(); // LLM智能路由自动选最合适的处理Agent LlmRoutingAgent processAgent LlmRoutingAgent.builder() .name(process_router) .description(根据分析结果智能路由到对应处理流程) .model(chatModel) .subAgents(List.of(refundAgent, exchangeAgent, resendAgent)) .build(); // 4. 组合成完整工作流顺序执行 SequentialAgent orderWorkflow SequentialAgent.builder() .name(ecommerce_order_workflow) .description(电商订单智能处理全流程并行查询 → 智能分析 → 路由处理) .subAgents(List.of(queryAgent, analysisAgent, processAgent)) .build(); // 使用传入用户问题 订单号 OptionalOverAllState result orderWorkflow.invoke(订单号123456我要退款商品还没发货); System.out.println(result.get()); }2. 业务流程图九、总结Spring AI Alibaba的Multi-Agent架构通过分工协作旨在解决单个Agent的能力瓶颈。四种核心模式各有侧重适配不同场景顺序执行适合流水线、有先后依赖的任务并行执行适合无依赖、需提速的批量任务智能路由适合任务类型多变、需智能分流的场景监督者模式适合复杂长流程、多步骤协作任务