詳情 - spring,List,java,JavaScript,前端開發 AI領域佈道師博客

本案例將引導您一步步構建一個基於 Spring AI Alibaba 的 Graph Reflection 應用，演示如何利用 Graph 和 ReflectAgent 實現一個能夠自我反思和改進的 AI 助手，特別適用於寫作和內容創作場景。

1. 案例目標

我們將創建一個包含自我反思和改進功能的 Web 應用：

AI 寫作助手 (/reflection/chat)：通過 Graph 和 ReflectAgent 實現，AI 能夠生成內容並進行自我反思和改進。
多輪反思機制：AI 生成內容後，會自動進入反思環節，對內容進行評估和改進，最多進行 2 輪反思。
角色分離設計：將 AI 分為"助手"和"評估者"兩個角色，分別負責內容生成和內容評估，實現更高質量的輸出。

2. 技術棧與核心依賴

Spring Boot 3.x
Spring AI Alibaba (用於對接阿里雲 DashScope 通義大模型)
Spring AI Alibaba Graph (用於構建 AI 工作流)
Maven (項目構建工具)

在 pom.xml 中，你需要引入以下核心依賴：

com.alibaba.cloud.aispring-ai-alibaba-starter-dashscopeorg.springframework.aispring-ai-autoconfigure-model-chat-clientcom.alibaba.cloud.aispring-ai-alibaba-graph-core${spring-ai-alibaba.version}org.springframework.bootspring-boot-starter-weborg.apache.httpcomponents.client5httpclient55.4.1org.springframework.aispring-ai-openai

3. 項目配置

在 src/main/resources/application.yml 文件中，配置你的 DashScope API Key 和模型設置。

server:
  port: 8080
spring:
  application:
    name: reflection
  ai:
    dashscope:
      api-key: ${AI_DASHSCOPE_API_KEY}
    openai:
      base-url: https://dashscope.aliyuncs.com/compatible-mode
      api-key: ${AI_DASHSCOPE_API_KEY}
      chat:
        options:
          model: qwen-max-latest
      embedding:
        options:
          model: text-embedding-v1

重要提示：請將 AI_DASHSCOPE_API_KEY 環境變量設置為你從阿里雲獲取的有效 API Key。你也可以直接將其寫在配置文件中，但這不推薦用於生產環境。

4. 項目結構

本案例的項目結構如下：

spring-ai-alibaba-graph-example/reflection/
├── pom.xml                                    # Maven 項目配置文件
├── src/
│   └── main/
│       ├── java/
│       │   └── com/alibaba/cloud/ai/graph/reflection/
│       │       ├── ReflectionApplication.java      # Spring Boot 主程序
│       │       ├── ReflectionController.java       # REST API 控制器
│       │       └── RelectionAutoconfiguration.java  # 自動配置類
│       └── resources/
│           └── application.yml                  # 應用配置文件
└── target/                                    # 構建輸出目錄

5. 核心組件實現

5.1 主程序類 `ReflectionApplication.java`

這是 Spring Boot 應用的入口點：

package com.alibaba.cloud.ai.graph.reflection;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
@SpringBootApplication
public class ReflectionApplication {
    public static void main(String[] args) {
        SpringApplication.run(ReflectionApplication.class, args);
    }
}

5.2 REST API 控制器 `ReflectionController.java`

提供 HTTP API 接口，用於與用户交互：

package com.alibaba.cloud.ai.graph.reflection;
import com.alibaba.cloud.ai.graph.CompiledGraph;
import com.alibaba.cloud.ai.graph.exception.GraphRunnerException;
import com.alibaba.cloud.ai.graph.exception.GraphStateException;
import com.alibaba.cloud.ai.graph.agent.ReflectAgent;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.ai.chat.messages.Message;
import org.springframework.ai.chat.messages.MessageType;
import org.springframework.ai.chat.messages.UserMessage;
import org.springframework.beans.factory.annotation.Qualifier;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.List;
import java.util.Map;
@RestController
@RequestMapping("/reflection")
public class ReflectionController {
    private static final Logger logger = LoggerFactory.getLogger(ReflectionController.class);
    private CompiledGraph compiledGraph;
    public ReflectionController(@Qualifier("reflectGraph") CompiledGraph compiledGraph) {
        this.compiledGraph = compiledGraph;
    }
    @GetMapping("/chat")
    public String simpleChat(String query) throws GraphRunnerException {
        return compiledGraph.invoke(Map.of(ReflectAgent.MESSAGES, List.of(new UserMessage(query))))
            .get()
            .>value(ReflectAgent.MESSAGES)
            .orElseThrow()
            .stream()
            .filter(message -> message.getMessageType() == MessageType.ASSISTANT)
            .reduce((first, second) -> second)
            .map(Message::getText)
            .orElseThrow();
    }
}

5.3 自動配置類 `RelectionAutoconfiguration.java`

這是本案例的核心，定義了 Graph 和 ReflectAgent 的配置：

5.3.1 助手節點 (AssistantGraphNode)

負責生成內容的節點：

public static class AssistantGraphNode implements NodeAction {
    private final LlmNode llmNode;
    private SystemPromptTemplate systemPromptTemplate;
    private final String NODE_ID = "call_model";
    private static final String CLASSIFIER_PROMPT_TEMPLATE = """
                You are an essay assistant tasked with writing excellent 5-paragraph essays.
                Generate the best essay possible for the user's request.
                If the user provides critique, respond with a revised version of your previous attempts.
                Only return the main content I need, without adding any other interactive language.
                Please answer in Chinese:
            """;
    public AssistantGraphNode(ChatClient chatClient) {
        this.systemPromptTemplate = new SystemPromptTemplate(CLASSIFIER_PROMPT_TEMPLATE);
        this.llmNode = LlmNode.builder()
            .systemPromptTemplate(systemPromptTemplate.render())
            .chatClient(chatClient)
            .messagesKey("messages")
            .build();
    }
    // ... Builder 模式實現 ...
    @Override
    public Map apply(OverAllState overAllState) throws Exception {
        List messages = (List) overAllState.value(ReflectAgent.MESSAGES).get();
        OverAllStateFactory stateFactory = () -> {
            OverAllState state = new OverAllState();
            state.registerKeyAndStrategy(ReflectAgent.MESSAGES, new AppendStrategy());
            return state;
        };
        StateGraph stateGraph = new StateGraph(stateFactory)
            .addNode(this.NODE_ID, AsyncNodeAction.node_async(llmNode))
            .addEdge(StateGraph.START, this.NODE_ID)
            .addEdge(this.NODE_ID, StateGraph.END);
        OverAllState invokeState = stateGraph.compile().invoke(Map.of(ReflectAgent.MESSAGES, messages)).get();
        List reactMessages = (List) invokeState.value(ReflectAgent.MESSAGES).orElseThrow();
        return Map.of(ReflectAgent.MESSAGES, reactMessages);
    }
},>

5.3.2 評估節點 (JudgeGraphNode)

負責評估和提供反饋的節點：

public static class JudgeGraphNode implements NodeAction {
    private final LlmNode llmNode;
    private final String NODE_ID = "judge_response";
    private SystemPromptTemplate systemPromptTemplate;
    private static final String CLASSIFIER_PROMPT_TEMPLATE = """
                You are a teacher grading a student's essay submission. Provide detailed feedback and revision suggestions for the essay.
                Your feedback should cover the following aspects:
                - Length : Is the essay sufficiently developed? Does it meet the required length or need expansion/shortening?
                - Depth : Are the ideas well-developed? Is there sufficient analysis, evidence, or explanation?
                - Structure : Is the organization logical and clear? Are the introduction, transitions, and conclusion effective?
                - Style and Tone : Is the writing style appropriate for the purpose and audience? Is the tone consistent and professional?
                - Language Use : Are vocabulary, grammar, and sentence structure accurate and varied?
                - Focus only on providing actionable suggestions for improvement. Do not include grades, scores, or overall summary evaluations.
                Please respond in Chinese .
            """;
    public JudgeGraphNode(ChatClient chatClient) {
        this.systemPromptTemplate = new SystemPromptTemplate(CLASSIFIER_PROMPT_TEMPLATE);
        this.llmNode = LlmNode.builder()
            .chatClient(chatClient)
            .systemPromptTemplate(systemPromptTemplate.render())
            .messagesKey(ReflectAgent.MESSAGES)
            .build();
    }
    // ... Builder 模式實現 ...
    @Override
    public Map apply(OverAllState allState) throws Exception {
        List messages = (List) allState.value(ReflectAgent.MESSAGES).get();
        OverAllStateFactory stateFactory = () -> {
            OverAllState state = new OverAllState();
            state.registerKeyAndStrategy(ReflectAgent.MESSAGES, new AppendStrategy());
            return state;
        };
        StateGraph stateGraph = new StateGraph(stateFactory)
            .addNode(this.NODE_ID, AsyncNodeAction.node_async(llmNode))
            .addEdge(StateGraph.START, this.NODE_ID)
            .addEdge(this.NODE_ID, StateGraph.END);
        CompiledGraph compile = stateGraph.compile();
        OverAllState invokeState = compile.invoke(Map.of(ReflectAgent.MESSAGES, messages)).get();
        UnaryOperator> convertLastToUserMessage = messageList -> {
            int size = messageList.size();
            if (size == 0)
                return messageList;
            Message last = messageList.get(size - 1);
            messageList.set(size - 1, new UserMessage(last.getText()));
            return messageList;
        };
        List reactMessages = (List) invokeState.value(ReflectAgent.MESSAGES).orElseThrow();
        convertLastToUserMessage.apply(reactMessages);
        return Map.of(ReflectAgent.MESSAGES, reactMessages);
    }
}
 ,>

5.3.3 ReflectAgent 配置

將助手節點和評估節點組合成 ReflectAgent：

@Bean
public CompiledGraph reflectGraph(ChatModel chatModel) throws GraphStateException {
    ChatClient chatClient = ChatClient.builder(chatModel)
        .defaultAdvisors(new SimpleLoggerAdvisor())
        .defaultOptions(OpenAiChatOptions.builder().internalToolExecutionEnabled(false).build())
        .build();
    AssistantGraphNode assistantGraphNode = AssistantGraphNode.builder().chatClient(chatClient).build();
    JudgeGraphNode judgeGraphNode = JudgeGraphNode.builder().chatClient(chatClient).build();
    ReflectAgent reflectAgent = ReflectAgent.builder()
        .graph(assistantGraphNode)
        .reflection(judgeGraphNode)
        .maxIterations(2)
        .build();
    return reflectAgent.getAndCompileGraph();
}

6. 運行與測試

啓動應用：運行 ReflectionApplication 主程序。
使用瀏覽器或 API 工具（如 Postman, curl）進行測試。

測試示例

訪問以下 URL，讓 AI 寫一篇關於"人工智能的發展"的文章：

http://localhost:8080/reflection/chat?query=請寫一篇關於人工智能發展的短文

預期響應：

AI 將首先生成一篇關於人工智能發展的短文，然後自動進行反思和改進，最終輸出一個經過自我優化的版本。整個過程包含多輪交互，但用户只需要發送一次請求，系統會自動完成反思和改進的過程。

7. 實現思路與擴展建議

實現思路

本案例的核心思想是"自我反思與改進"。通過將 AI 的角色分為"內容生成者"和"內容評估者"，實現了：

角色分離：生成者和評估者各司其職，避免了單一角色既要生成內容又要評估內容的侷限性。
多輪迭代：通過設置最大迭代次數，允許 AI 進行多輪反思和改進，逐步提升內容質量。
自動化流程：用户只需提供初始請求，系統自動完成生成、評估、改進的整個流程。

擴展建議

自定義反思提示詞：可以根據不同場景調整評估節點的提示詞，例如針對代碼質量、創意寫作、技術文檔等不同領域。
動態迭代次數：可以根據內容質量或用户需求動態調整迭代次數，而不是固定的最大值。
多角色協作：可以擴展為多個角色的協作，例如"創意生成者"、"邏輯審核者"、"語言優化者"等。
用户干預機制：允許用户在反思過程中進行干預，例如提供額外的反饋或調整方向。
性能優化：對於複雜場景，可以考慮並行處理或緩存機制，提高響應速度。

本文章為轉載內容，我們尊重原作者對文章享有的著作權。如有內容錯誤或侵權問題，歡迎原作者聯繫我們進行內容更正或刪除文章。

AI領域佈道師博客

AI領域佈道師博客

博客 / 詳情

1. 案例目標

2. 技術棧與核心依賴

3. 項目配置

4. 項目結構

5. 核心組件實現

5.1 主程序類 `ReflectionApplication.java`

5.2 REST API 控制器 `ReflectionController.java`

5.3 自動配置類 `RelectionAutoconfiguration.java`

5.3.1 助手節點 (AssistantGraphNode)

5.3.2 評估節點 (JudgeGraphNode)

5.3.3 ReflectAgent 配置

6. 運行與測試

測試示例

7. 實現思路與擴展建議

實現思路

擴展建議

發佈評論

Product

Company

Support

Company

博客 / 詳情

1. 案例目標

2. 技術棧與核心依賴

3. 項目配置

4. 項目結構

5. 核心組件實現

5.1 主程序類 ReflectionApplication.java

5.2 REST API 控制器 ReflectionController.java

5.3 自動配置類 RelectionAutoconfiguration.java

5.3.1 助手節點 (AssistantGraphNode)

5.3.2 評估節點 (JudgeGraphNode)

5.3.3 ReflectAgent 配置

6. 運行與測試

測試示例

7. 實現思路與擴展建議

實現思路

擴展建議

發佈 評論

5.1 主程序類 `ReflectionApplication.java`

5.2 REST API 控制器 `ReflectionController.java`

5.3 自動配置類 `RelectionAutoconfiguration.java`

發佈評論