一个两周发了 4 个版本，一个 RC2 之后只修 Bug 不加功能。这不是谁掉队了——是两个框架走到了不同的阶段。
LangChain4j：功能机器全速运转
打开 LangChain4j 的 Release 页面，最近一个月的版本号让人眼花：
| 版本 | 时间 | 关键词 |
|---|---|---|
| **1.15.0** | 5 月底 | Docling 文档解析、@Tool 默认参数、多模型投票 Agent、per-tool Schema |
| **1.15.1** | 5.29 | 紧急修复：ToolService 崩溃、ChatMemory 竞态条件 |
| **1.16.0** | 6 月初 | GPT Image API 迁移、Google GenAI 批量处理、**SystemMessageProvider** |
| **1.16.1** | 6.9 | Patch |
1.16.0 最值得关注的新特性是 SystemMessageProvider。以前的 SystemMessage 只能写死在@SystemMessage注解里——所有用户看到同一个「人设」。现在可以动态注入了：不同用户、不同会话、不同场景，给不同的 SystemMessage。这对多租户 Agent 场景是个关键能力。
另外@Tool 默认参数也很实用。以前 LLM 漏传参数就直接报错，现在可以设 fallback 值，Tool 调用的容错率高了一档。
节奏上看，LangChain4j 处于典型的「功能扩张期」——加模型适配、加集成、加 Agent 模式。1.15.1 那种紧急修 Bug 的事在快速迭代中难免发生，但只要跟版本保持 1-2 个小版本的滞后，基本不会踩坑。
Spring AI：不是沉默，是收尾
Spring AI 2.0.0-RC2 也是 6 月 9 日发的。但 Release Notes 看起来「没什么东西」：
Anthropic / OpenAI HTTP 客户端可配置化
修复 Ollama 多轮对话丢失
think字段修复
BedrockProxyChatModel依赖问题恢复 Spring Framework < 7.0.4 兼容性
全是 Bug 修复和兼容性打磨。但如果翻回前面几个 Milestone 的 Release Notes，Spring AI 2.0 的改动其实是伤筋动骨的：
| 变化 | 代价 |
|---|---|
| **Java 21+**，放弃 Java 17 | 大量用户需要升级 JDK |
| **Spring Boot 4.0 + Framework 7.0** | 基座全换 |
| **ToolCallingAdvisor** 统一接管工具调用 | 工具调用逻辑从各 ChatModel 抽离，架构重构 |
| **AOT 编译 + Virtual Threads** | 新的性能模型 |
| **Null Safety**（JSpecify 全覆盖） | API 签名大量修改 |
做完这些级别的架构变更之后，RC2 的「安静」不是停滞——是冻结。Spring 的惯例：RC 阶段的最后几个候选版本只修 Bug，不加功能，为 GA 做最后的稳定性验证。
RC2 很可能是 GA 之前最后一个候选版本。Spring 官方博客的表述是「polishing the final edges before GA」，正式版预计 6 月内发布。
两边的数字对比
| LangChain4j | Spring AI | |
|---|---|---|
| 当前版本 | 1.16.1 | 2.0.0-RC2 |
| 最近一个月发布次数 | 4 | 1 |
| 最近版本性质 | 功能 + Bugfix | Bugfix only |
| 迭代节奏 | 1-2 周 | 3-6 个月 |
| 当前阶段 | 功能扩张 | GA 冻结前打磨 |
| Spring Boot 版本 | 支持 3.x + 4.0 | 强制 4.0 |
| Java 版本 | 17+ | **21+** |
对普通开发者的实际影响
用 LangChain4j 的话：
功能更新快，LLM 和 Tool 集成紧跟业界最新
Spring Boot 3.x 就能跑，不用升级基础设施
注意跟版本别太紧——1.15.1 的 ToolService 崩溃说明新版本可能有坑
用 Spring AI 的话：
RC2 已经可以写 Demo 甚至做技术预研了——GA 之后的 API 不会大改
但如果项目还在 Spring Boot 3.x，必须先升级到 4.0
ToolCallingAdvisor 是理解 Spring AI 2.0 架构的关键——值得花时间看源码
我的看法
LangChain4j 和 Spring AI 的差异，本质上是社区驱动 vs 企业驱动的差异。
LangChain4j 是独立开源项目，没有大厂 Release Train 的约束。看到 GPT Image API 出了就赶紧适配，用户提了 SystemMessageProvider 的需求就加——快，但偶尔会摔一跤（1.15.1 的崩溃修复）。
Spring AI 背后是 VMware Tanzu（Broadcom），走的是 Spring 全家桶的标准流程：M1→M2→…→RC1→RC2→GA，每个阶段有明确的质量门槛。慢，但 RC2 级别的稳定性是经过大量自动化测试验证的。
如果你在给公司选型：生产环境优先考虑稳定性 → 等 Spring AI 2.0 GA。想快速验证 Agent 方案 → LangChain4j 先跑起来，功能最全。
如果你两个都在关注：LangChain4j 的 SystemMessageProvider 和 Spring AI 的 ToolCallingAdvisor 是两个框架各自最值得读源码的模块。前者告诉你「动态人设怎么做」，后者告诉你「工具调用怎么统一管理」。两个都读懂了，你对 Java Agent 框架的设计会有更深的理解。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
