随着大模型普及，企业不再满足于“只会聊天”的AI，而是需要一个能真正“动手干活”的智能体：自动执行命令、运行代码、处理数据、读取文件，把人从重复操作中解放出来。
本作品基于 Spring AI Alibaba 构建 ReAct 智能体（Agent）。用户用自然语言下达任务后，智能体自主进行“思考—调用工具—观察结果—再决策”的循环，直到完成任务，例如：让它计算数据，它会自己写并执行 Python 代码；让它查看环境，它会自己执行命令；让它读取资料，它会自己打开文件。
智能体的大模型运行在本地（Ollama + 通义千问 Qwen，GPU 加速），无需为每次调用付费，且业务数据不出本机，兼顾成本与安全。
适用于：开发与运维辅助、自动化办公、数据分析与计算、流程自动化、企业内部 AI 助手等场景。通过 Spring AI 的模型抽象层，也可一键切换到云端大模型，灵活适配不同部署需求。
系统主要功能：
1. 自然语言对话：基于大模型的中文理解与生成，支持流式输出，响应流畅。
2. ReAct 推理与工具调用：智能体自主规划任务步骤，按需调用工具，拿到结果后继续推理，最终给出结论，全过程可在界面上看到。
3. Shell 命令执行工具（execute_shell_command）：在持久会话中执行命令，支持工作目录确认、命令链式调用与超时控制。
4. Python 代码执行工具（execute_python_code）：基于 GraalVM Polyglot 在沙箱中运行 Python，可完成计算、数据处理等，默认禁用文件 IO、进程创建与原生访问，保证安全。
5. 文本文件读取工具（view_text_file）：按绝对路径读取文件，支持指定偏移量与行数，便于查看大文件。
6. 多轮记忆：基于检查点（MemorySaver）保存上下文，支持连续追问，会话上下文连贯。
7. 可视化 Web 界面：基于 Spring AI Alibaba Studio 的对话界面，工具请求（Tool Request）与工具结果（Tool Result）以卡片形式折叠展示，可展开查看代码与返回数据。
8. 模型可插拔：通过 Spring AI ChatModel 抽象接入本地 Ollama，也可切换云端模型，业务代码零改动。
后端基于 Spring Boot 3 + Spring AI Alibaba Graph，核心是 ReactAgent（ReAct 智能体）。智能体通过 Builder 装配大模型（ChatModel）、系统指令、工具集与记忆存储，并开启日志，模型无关、可替换。
三个工具均以 Spring AI ToolCallback 形式注册：Shell 工具基于 ShellTool，在临时工作区的持久会话中执行，并通过 ShellToolAgentHook 统一管理会话生命周期；Python 工具用 FunctionToolCallback 包装，底层基于 GraalVM Polyglot 多语言引擎，在关闭 IO、进程与原生访问的沙箱中执行代码；文件读取工具基于 ReadFileTool，支持 offset/limit 分段读取。
多轮记忆通过 MemorySaver 检查点实现，智能体每一步的状态都可回溯。
大模型接入本地 Ollama（qwen2.5:7b），通过配置指定 base-url、模型名与上下文长度；同时排除了框架默认的云端模型自动配置，避免多模型冲突。
本人在项目中负责：将官方示例从云端模型改造为本地 Ollama 接入、解决多模型自动配置冲突、完成工具调用链路（含 Function Calling）的端到端验证、性能与显存调优，以及 Web 对话界面的联调与截图。项目结构清晰，可作为企业级工具调用 Agent、本地 AI 助手落地的标准模板。
评论