Spring AI 2.0实战：构建智能航空AI Agent系统

关注

VIP免费原创最新推荐文章于 2026-09-07 12:28:24 发布 998 阅读 AI 写同款· GEO 优化 ›

Spring AI 2.0 + AI Agent：Java后端智能航空系统实战 AI Agent正成为后端开发的新焦点，但Java开发者常面临技术栈割裂与落地无门的困境。Spring AI 2.0作为Spring生态原生的AI集成框架，统一了模型接入、工具调用与编排能力，让Java后端无需转战Python即可构建生产级Agent应用。本文从Agent的基本运行原理出发，拆解其自主决策与工具调用循环，并通过一个完整的智能航空项目，演示机票查询Agent、智能客服Agent和行程助手Agent的落地实现。无论你是初识Spring AI 2.0，还是想将大模型能力接入现有Spring Boo 阅读详情

在 Java 后端领域，Spring AI 2.0 正在改变 AI Agent 的落地方式。过去要在一个 Spring Boot 项目中接入大模型，需要自己处理 HTTP 客户端、消息历史、函数调用解析和上下文管理；而 Spring AI 把这些能力统一成了可配置、可测试的组件。本文用一个智能航空项目作为主线，从零搭建一套可运行的 AI Agent 系统，包含机票查询、智能客服和行程助手三个典型场景。

这套项目适合已经熟悉 Spring Boot、但还没有完整做过 AI Agent 工程化的 Java 开发者。阅读过程中可以重点观察一件事：Agent 不是把用户消息直接丢给大模型就结束，而是由模型决定调用哪些工具、如何利用多轮记忆、如何把最终结果按业务要求返回。下面先分析智能航空项目中 Agent 的定位，再逐步完成工程搭建、工具开发、客服对话、行程助手和验证排错。所有示例代码用于说明实现思路，实际落地前需要根据 Spring AI 当前版本、模型供应商和项目包名做调整。

1. AI Agent 在智能航空项目中的定位

1.1 从关键词匹配到大模型调度

传统航空客服系统通常依赖关键词匹配或规则引擎。用户输入“北京到上海明天的航班”，系统从 Elasticsearch 或数据库里按“出发地、到达地、日期”三个字段做精确查询。这种方式在问题边界明确时很可靠，但一旦用户换一种说法，比如“明天从首都机场去虹桥”或者“帮我看看后天有没有早班机去上海”，匹配规则的维护成本就开始快速上升。

AI Agent 则把“理解意图”和“执行操作”分开。大语言模型负责理解用户自然语言，决定需要调用什么业务接口，Spring AI 负责执行这些接口调用，并把结果交回给模型继续推理。在智能航空项目中，模型并不知道实时航班价格和余票，它必须通过 FlightQueryTool 这类工具去访问业务系统。工具调用让 Agent 从“会聊天的机器人”变成“能办业务的数字员工”。

1.2 智能航空系统需要解决的三个问题

设计这个系统时，可以先回到业务本质。航空场景下面临三个核心问题：

第一，实时数据必须来自业务系统。航班时刻、舱位价格、剩余座位、退改签规则都不能由模型凭记忆生成，否则会出现严重服务事故。第二，用户对话是多轮的。用户先问“北京到上海”，再补充“要上午的”，系统必须记住前文的出发地、到达地和日期。第三，客服结果不能只停留在聊天窗口。系统需要把用户意图、关键槽位、是否需要人工接管记录下来，转入订单系统或工单系统继续处理。

这三个问题正好对应三个模块：航班查询工具负责数据接入，智能客服负责多轮对话和结构化输出，行程助手负责把查询、推荐、确认和下单一整套流程串起来。理解了业务边界，后续代码才不会写成“把大模型 API 包一层”。

1.3 为什么选择 Spring AI 2.0 来落地

市面上接入大模型的方式有很多，可以直接调用 REST API，也可以选择 LangChain4j 或 Spring AI。直接调用 API 的问题在于，Agent 需要的工具调用、会话记忆、结构化输出、向量检索都要自己实现，且每个模型供应商的协议细节不同。LangChain4j 在 Java 生态中也很活跃，但如果团队已经重度使用 Spring Boot，Spring AI 和 Spring 配置体系、Starter、自动装配的结合会更自然。

对比维度	直接调模型 API	LangChain4j	Spring AI
工程集成成本	高，需自研	中，独立框架	低，Spring Boot 原生
工具调用支持	需要自己解析	支持	支持
对话记忆管理	需要自己组装	支持	Advisor 机制
向量存储抽象	无	部分	抽象较完整
与 Spring 配置中心、监控集成	弱	较弱	强

Spring AI 2.0 的编程模型核心是 ChatClient。它把 Prompt、System Message、Tool、Advisor、Memory 组合成一条可执行的对话链路。开发者不需要关心每个模型供应商的底层 HTTP 细节，只需要写清楚“给模型什么角色、让它用什么工具、结果按什么结构返回”。

注意：Spring AI 版本迭代比较快，不同版本的 API 和配置前缀可能存在差异。本文的代码基于 2.0 常见形态，落地前务必以当前项目使用版本的官方文档和依赖源码为准。

2. 工程骨架与基础配置

2.1 前置环境清单

在开始写代码前，先确认本地环境是否满足条件。推荐使用 JDK 17 或更高版本，因为 Spring Boot 3.x 和 Spring AI 2.0 都已经转向 Jakarta EE 和现代 Java 特性。Maven 建议使用 3.8 以上，IDE 使用 IntelliJ IDEA 或 Eclipse 均可。

环境项	推荐值	说明
JDK	17 或 21	决定 Maven 编译器目标和 Lombok 兼容性
Maven	3.8+	依赖解析和构建
Spring Boot	3.x	与 Spring AI 2.0 配合使用
Spring AI	2.0.x	以当前仓库可用版本为准
模型 API	OpenAI 兼容接口	也可以使用本地模型，如 Ollama 适配器
Elasticsearch	8.x	企业知识库检索使用，学习环境可暂缓

这里不绑定某一个云厂商。示例配置会使用 OpenAI 兼容协议，这样无论是国内还是海外模型服务，只要能兼容该协议，都可以通过调整 base-url 和 api-key 接入。如果使用本地模型，需要把 base-url 指向本机，只适合开发验证。

2.2 初始化 Spring Boot 工程并引入依赖

可以通过 Spring Initializr 创建工程，也可以手工建立 Maven 项目。核心依赖包括 Spring Boot Web、Spring AI Starter、测试依赖等。在 pom.xml 中，Spring AI 依赖需要放到独立的 dependencyManagement 中管理，因为 Spring AI 的 BOM 和 Spring Boot 的 BOM 是两套版本体系。

<properties>
    <java.version>17</java.version>
    <spring-ai.version>2.0.0</spring-ai.version>
</properties>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <grou