一句话看懂：掘金上一篇技术长文拆解了纯 Java 实现的 AI Agent 框架 JavaManus，它基于 Spring AI 1.1.0 与 Spring Boot 3.4，默认接入火山引擎 Ark（豆包），用不到 30 个 Java 文件复现了 ReAct 循环、工具调用编排与记忆管理。
事件核心：发生了什么
2026 年 10 月，开发者“狼爷”在掘金发布《从零用 Java 构建 AI Agent 框架：JavaManus 设计与实现深度解析》，完整公开了一个从零构建的 Java Agent 项目。该项目用纯 Java 实现可扩展的 ReAct Agent，代码量不足 30 个文件，架构分四层：BaseAgent（状态机与记忆）、ReActAgent（think + act 骨架）、ToolCallAgent（工具调用编排）、ManusAgent（装配具体工具）。默认 LLM 为火山引擎 Ark 的豆包，提供 SSE 接口对外暴露能力。文中还披露了两个实战细节：一是必须设置 internalToolExecutionEnabled(false) 来关闭 Spring AI 的自动工具执行，改为手动编排；二是踩到一个让超时机制完全失效的隐蔽死锁，属于真实工程坑。
为什么重要
Python 生态在 Agent 领域有压倒性优势，但企业核心业务系统大量运行在 Java 上。此前要把 LangChain 类 Agent 嵌入 Java 系统，只能跨进程调用，带来序列化开销和运维复杂度。JavaManus 的价值在于把 Agent 能力直接接进 Spring Boot，工具集、LLM 提供商均可替换，这对以 Java 为主的技术栈意味着更低的落地门槛。它也呼应了一个趋势：Agent 框架正在从“某一种语言的专属能力”变成“可被任意后端复用的基础设施”。目前公开信息显示，该项目更偏学习与二次开发定位，尚未提及生产级高并发验证。
对用户/开发者/创作者的影响
对 Java 开发者，这是少见的可直接读、可改的 Agent 参考实现，滑动窗口式 Memory、maxObserve 截断工具输出、特殊工具直接结束状态机等设计，都能直接借鉴到自己的 Spring Boot 应用里。对技术选型者，它说明不必为了做 Agent 就整体转向 Python。对创作者和普通用户，这类框架降低了“让 AI 调用工具完成任务”的接入成本，未来更多 Java 后台系统可能内置 Agent 能力，而不是外挂一个 Python 服务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是项目是否从示例走向生产可用，比如并发、限流、多租户隔离如何解决；二是除 Ark 之外对 OpenAI、Claude 等 LLM 提供商的适配是否完善；三是 Spring AI 官方生态是否会把这类手写编排吸收为标准能力，从而影响自建框架的必要性。
来源：juejin
