Spring AI Graph

Posted on

Spring AI Alibaba Graph

Graph = 状态(State) + 节点(Node) + 边(Edge)

这是 Graph 的三个核心要素，也是所有 AI Workflow、Agent Flow、LangGraph 的基础。

一、Graph 是什么？

可以把 Graph 理解成：

Graph = 一个能够根据状态不断执行节点，并决定下一步去哪的运行引擎。

不像传统流程：

Text
1
A -> B -> C -> D

Graph 更像：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
┌───────┐
          │ Start │
          └───┬───┘
              │
          ┌───▼────┐
          │ Node A │
          └───┬────┘
      yes/    │     \no
          ▼   │      ▼
      Node B  │   Node C
          │   │      │
          └───▼──────┘
             Node D
                │
               End

最大的特点：

  • 可以循环

  • 可以分支

  • 可以条件判断

  • 可以动态决定下一步

因此特别适合 AI。

Graph 三要素

整个 Graph 只有三个东西：

Text
1
2
3
State
Node
Edge

它们之间关系：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Graph

     +---------------------+

         State（共享数据）

               ▲
               │
      ┌────────┴────────┐

     Node 1          Node 2

      ▲                 ▲
      │                 │

         Edge（决定路线）

二、第一要素：State（状态）

这是最重要的。

很多人误认为：

Graph 是 Node。

其实：

Graph 最核心的是 State。

因为：

所有 Node 都不能直接通信。

只能：

Text
1
2
3
4
5
Node A
   │
修改 State
   │
Node B

例如：

用户问：

Text
1
帮我分析库存

State 初始：

Text
1
2
3
4
5
6
7
8
9
10
11
class InventoryState {

    String userQuestion;

    String sql;

    List<Product> products;

    String aiAnswer;

}

开始：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
State

question:
"帮我分析库存"

sql:
null

products:
null

answer:
null

Node1：

AI 生成 SQL：

Text
1
SELECT * FROM inventory

更新 State：

Text
1
2
3
4
5
6
7
8
9
10
11
question:
"帮我分析库存"

sql:
SELECT ...

products:
null

answer:
null

Node2：

执行 SQL：

Text
1
2
3
4
5
products=[
A
B
C
]

State：

Text
1
2
3
4
5
6
7
question

sql

products

answer

Node3：

AI 总结：

Text
1
库存正常

最终：

Text
1
2
answer:
库存正常

整个 Graph：

没有任何 Node 调用另一个 Node。

都是：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
Node

↓

修改 State

↓

Graph

↓

下一个 Node

所以：

State 是 Graph 的共享内存。

三、第二要素：Node（节点）

Node：

就是一个功能。

例如：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
OCR节点

SQL节点

LLM节点

RAG节点

工具调用节点

审批节点

发送MQ节点

每个 Node：

只干一件事。

例如：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Node

输入：

State

↓

处理

↓

输出：

新的 State

例如：

Text
1
2
3
4
5
6
7
8
9
10
11
12
public class SqlNode {

    public InventoryState execute(InventoryState state){

        state.setSql(
            ai.generateSql(state.getQuestion())
        );

        return state;
    }

}

Node：

不知道：

下一步是谁。

它只负责：

Text
1
2
3
4
5
6
7
8
9
输入

↓

处理

↓

返回 State

因此：

Node 可以无限复用。

Node 最佳实践

一个 Node：

最好只有一个职责。

例如：

错误：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Node

OCR

↓

SQL

↓

AI总结

↓

发微信

一个 Node 做四件事情。

正确：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
OCR Node

↓

SQL Node

↓

LLM Node

↓

Notify Node

四、第三要素：Edge（边）

Edge：

决定：

Graph 下一步去哪里。

例如：

Text
1
2
3
4
5
Node A

↓

Node B

这是固定 Edge。

Graph 最大特点：

Edge 可以动态。

例如：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
Node

↓

库存是否为空？

↓

Yes

↓

结束

↓

No

↓

继续分析

对应：

Text
1
2
3
4
5
6
7
8
9
10
11
Node

↓

Condition Edge

↓

Node A

Node B

例如：

Text
1
2
3
4
5
6
7
8
9
if(products.isEmpty()){

    goto END;

}else{

    goto AI_NODE;

}

Graph 就能动态运行。

五、Conditional Edge（条件边）

这是 AI Agent 最重要的能力。

例如：

Text
1
2
3
用户：

今天北京天气？

AI：

需要工具。

路线：

Text
1
2
3
4
5
6
7
8
9
LLM

↓

Tool Node

↓

LLM

如果：

Text
1
你好

不用工具。

路线：

Text
1
2
3
4
5
LLM

↓

End

Graph：

自动决定：

Text
1
2
3
4
5
6
7
8
9
10
11
LLM

↓

Condition

↓

Tool

End

所以：

LLM 本身：

就是一个 Router。

六、循环（Loop）

Graph 最大优势：

支持循环。

例如：

Agent：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
LLM

↓

Tool

↓

LLM

↓

Tool

↓

LLM

↓

结束

为什么？

因为：

LLM：

可能第一次：

Text
1
需要查库存

第二次：

Text
1
需要查销售

第三次：

Text
1
需要查采购

直到：

Text
1
完成

Graph：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
LLM

↓

Condition

↓

Tool

↓

LLM

↓

Condition

↓

Tool

这就是 Agent。

七、Graph 的运行流程

整个执行过程：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
State 初始化

↓

Start Node

↓

Edge

↓

Node

↓

修改 State

↓

Edge 判断

↓

Node

↓

修改 State

↓

Edge 判断

↓

End

Graph 本身：

几乎不做业务。

Graph：

只负责：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
当前节点是谁？

↓

执行 Node

↓

更新 State

↓

根据 Edge

↓

决定下一节点

八、Spring AI Alibaba 中的 Graph

Spring AI Alibaba Graph 基本对应关系如下：

九、以 ERP + AI 库存分析项目为例

一个库存分析 Agent 的 Graph 可以设计成：

Text
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
用户问题
                     │
                     ▼
              Start（初始化 State）
                     │
                     ▼
          Node1：解析用户意图
                     │
                     ▼
      Edge：是否需要查询数据库？
           ├──────────────┐
           │ 是           │ 否
           ▼              ▼
  Node2：生成 SQL     Node5：直接调用 LLM
           │
           ▼
    Node3：执行 SQL
           │
           ▼
 Node4：LLM 分析库存数据
           │
           ▼
              End（返回分析结果）

其中：

  • State：保存用户问题、生成的 SQL、查询结果、最终 AI 分析等信息。

  • Node：分别负责意图识别、SQL 生成、数据库查询、AI 总结等单一职责。

  • Edge：根据意图决定是否需要查询数据库，未来还可以扩展为调用知识库、工具或外部接口。

总结

Graph 的本质可以概括为一句话：

Graph 是一个以 State 为核心、由 Node 执行业务、通过 Edge 决定流程走向的工作流引擎。

记住这个思维模型：

Text
1
2
3
4
5
6
7
8
9
10
State（共享上下文）
                 ▲
                 │
Node（处理逻辑） ──► 更新 State
                 │
                 ▼
         Edge（决定下一步）
                 │
                 ▼
           下一个 Node

掌握了 State、Node、Edge 三要素，你就理解了 Spring AI Alibaba Graph、LangGraph 以及大多数 AI Agent 工作流框架的底层设计思想。