Spring AI Alibaba 半年未发正式版,作者称其在换心脏而非停更
Original title: Spring AI Alibaba已停更了,Java还有希望吗?
The title and summary in the selected language are awaiting translation.
针对 Spring AI Alibaba 是否停更的讨论,作者核查 GitHub 记录后认为它并非弃坑:最后一个正式版 v1.1.2.2 发布于 2026 年 3 月 10 日,但 main 分支此后仍合入 137 个提交,以修复和测试为主,且该版本首次引入 AgentScope Java 集成。
The full text in the selected language is awaiting translation. The original is shown for now.
前言
最近技术群里有个话题讨论得特别激烈——“Spring AI Alibaba是不是停更了?”
起因很简单。
有人翻了GitHub的Releases页面,发现上一个正式版还是v1.1.2.2,发布于2026年3月10日。
到9月中旬,整整半年没有新正式版。
半年不发版,对一个拥有10.8k Star的项目来说,确实反常。
群里有人开始焦虑:“我们刚把生产系统迁过去,这就停更了?”“是不是得赶紧换框架?”“Java做AI是不是真的没戏了?”
说实话,看到这个消息的第一反应,我也有些担心。
但花了一上午把GitHub的commit记录、Release页面和官方博客翻完之后,我的判断跟传闻不太一样。
它不是弃坑,是在换心脏。
一、先看传闻里“真”的那一半
有些小伙伴可能会说:“半年不发版就是停更,这还有什么好洗的?”
这个说法对了一半。
半年没发正式版,这部分是真的。
把时间线拉出来看得很清楚:
版本 | 发布日期 | 说明 |
|---|---|---|
v1.1.0.0 | 2025-12-30 | 1.1.x首个稳定版 |
v1.1.2.0 | 2026-02-02 | Agent Skills + 多智能体并行 |
| v1.1.2.2 | 2026-03-10 | 最后一个正式版 |
v2.0.0-M1.1 | 2026-06-25 | 预发布版,跟进Spring AI 2.0 |
至今 | — | 再无正式版 |
对一个已经在生产环境使用的框架来说,半年不发正式版,用户等得心焦是完全可以理解的。
二、但“另一半真相”更值得琢磨
如果把视线从Release页面移开,去看GitHub的commit记录,画面就完全不一样了。
main分支的提交并没有停。
8月25日还有最新提交,往前翻,7月24日到8月25日这一个月合了35个PR,8月24日单日合了8个。
v1.1.2.2发布之后到现在,main分支总共合了137个提交。
这不是一个被放弃的仓库该有的样子。
那这些提交在干什么?
翻一下内容就知道:Graph序列化的修复、Admin控制台的中文化、JUnit 5迁移、文档链接修正。
以修复和测试为主,没有大的功能主线。
说白了,项目在“养护”,不在“建设”。
更耐人寻味的是最后一个正式版做了什么。
v1.1.2.2最大的新特性是什么?
首次引入AgentScope Java集成——新增spring-ai-alibaba-starter-agentscope,用一个AgentScopeAgent把AgentScope的ReActAgent封装成BaseAgent,塞进SAA的Graph工作流里编排。
一个被传“放弃维护”的项目,最后一次大更新是在拥抱自家兄弟框架。
这不像弃坑,倒像交接前的铺路。
三、一张图看懂这场“换心脏”的真相
关键证据在官方博客里,而且一年前就写好了。
java2ai.com上有一篇官方公告,《一文讲透 Spring AI Alibaba 与 AgentScope 的定位与区别》,发布在AgentScope-Java 2025年9月开源后不久。
公告里说得很直白:开放框架呈现两种趋势,SAA以Graph为核心(工作流编排),AgentScope以Agentic为核心(最大化利用基础模型能力),“两种设计理念都将是企业主流选择”,两者独立发展、不存在替代关系。
但趋势比公告更直接:同一个阿里,AgentScope Java的节奏是2.0.2(9月3日)→ 2.0.3(9月7日),四天一个版本;SAA正式版半年一发。
一边周更,一边半年更。资源往哪倾斜,肉眼可见。
四、Java AI的“三层台阶”
这场停更风波,其实暴露了一个更深层的问题:很多人在选框架的时候,没搞清楚自己需要的是哪一层的能力。
Java AI框架可以分成三层:
第一层解决的是“怎么连上模型”——模型接入、工具调用、向量库。
Spring AI 2.0和LangChain4j都在这一层,而且这两家一直很活跃。
第二层解决的是“怎么编排多个步骤”——Graph工作流、条件路由、状态持久化。
Spring AI Alibaba在这一层,Embabel也在这一层。
第三层解决的是“怎么让Agent长期稳定运行”——会话持久化、多租户隔离、沙箱执行、断点恢复。AgentScope在这一层。
关键认知:如果你的需求只是在Java里调用大模型、做RAG、搞工具调用,Spring AI 2.0完全够用,而且它很活跃。 Spring AI 2.0于2026年6月正式GA,基于Spring Boot 4.1和Spring Framework 7.0构建。
如果你需要的是Graph工作流编排,SAA依然是可用的,它只是不再快速迭代新功能了。 如果你需要的是让Agent自主执行长任务、管理上下文、多租户隔离——那你要的其实是AgentScope,不是SAA。
五、Java该何去何从?
选择一:如果你只是“接入模型”
留在Spring AI 2.0或LangChain4j。
Spring AI 2.0的ChatClient API非常干净,工具调用被提升为Advisor链的一等公民,可组合、可重试。LangChain4j的模型覆盖最广,30+模型开箱即用。
这一层没有停更风险。 这两个框架都在持续迭代。
选择二:如果你需要“工作流编排”
SAA仍然可用,但要接受它进入“养护模式”的现实。
v1.1.2.0带来的Agent Skills和并行多智能体能力是实打实的。Agent Skills先只注入技能列表,模型需要时才加载完整内容,能省Token;多智能体并行执行可以一次选多个子智能体跑,适合并行查询后汇总。
如果你的项目已经用了SAA,不需要恐慌性迁移。它的核心功能是稳定的,bug修复也在继续。
但如果你在选新框架,需要评估“半年一更”是否满足你对迭代速度的期待。
选择三:如果你需要“Agent自主执行”
看看AgentScope。
AgentScope Java 2.0于2026年6月发布,是阿里巴巴集团内部使用最广泛的智能体框架,在十余条核心业务线生产环境深度使用。
它的核心差异化能力是身份持续(工作区即Agent的人格与长期记忆)、上下文可控(自动压缩,大工具结果落盘)、状态可恢复(同sessionId跨进程恢复完整对话)。
如果你的需求是“让Agent长期稳定地跑”,这才是正确的选择。
六、一个更重要的判断
这场停更风波,最容易引发的误判是“Java做AI不行了”。
完全不是。
真实的图景是:Java AI生态正在分层。
接入层:Spring AI 2.0、LangChain4j,活跃且成熟
编排层:SAA(养护模式)、Embabel(确定性规划),各有定位
运行时层:AgentScope,快速迭代
“Java AI框架停更”这个说法,准确的说法是“某一个特定定位的框架,进入了特定阶段”。
而且还有一条容易被忽略的路径:跨语言接入Harness。
现在主流的开源Harness是TypeScript写的,Java应用完全可以在旁边起一个TS运行时,通过gRPC或HTTP调用。
有开发者说得直白:“没必要因为业务是Java写的,就要求Agent引擎也必须是Java。 ”
七、写在最后
回到最初的问题:Spring AI Alibaba已停更,Java该何去何从?
SAA没有“死”,它在“换心脏”。
Release停了,但commit没停。
最后一个正式版在拥抱AgentScope,这是铺垫,不是告别。
Java AI也没有“凉”,它在“分层”。 接入层很热闹,编排层在分化,运行时层有AgentScope顶着。
真正该做的事,不是恐慌性换框架,而是搞清楚自己的需求在哪一层。
如果你的需求是“在Java里调用大模型、做RAG、搞工具调用”——Spring AI 2.0和LangChain4j都在,活得很好。
如果你的需求是“Graph工作流编排”——SAA依然可用,只是不再快速迭代。
如果你的需求是“让Agent自主执行长任务”——AgentScope才是答案。
技术选型最怕的,是用“某个框架停更”的焦虑,掩盖了“我到底需要哪一层能力”的思考。
八、参考资源
Spring AI 2.0官方文档:https://docs.spring.io/spring-ai
LangChain4j官方文档:https://docs.langchain4j.dev
Spring AI Alibaba GitHub:https://github.com/alibaba/spring-ai-alibaba
AgentScope Java官方文档:https://java.agentscope.io
框架对比仓库:https://github.com/java-ai-in-action/framework-compare
Source: 苏三说技术 · mp.weixin.qq.com