01 · 面向 JVM 的智能体 AI

Embabel 是一个运行在 JVM 上的智能体 AI（Agentic AI）框架。长期以来，得益于易用性、丰富的生态以及对数据科学家友好的工具， Python 一直是机器学习实验的首选。然而，当你试图从实验走向真实的、生产规模的 AI 时，它往往力不从心。

随着 AI 的落地变得愈发关键，真正重要的已不只是模型训练或算力。真正重要的是：上下文、可靠性、类型安全、性能、可观测性， 以及与既有企业系统的集成。Java 与 Kotlin 恰好具备这些优势：强类型、成熟的工具链，以及在弹性、可扩展系统中久经验证的记录， 使它们成为构建严肃 AI 的有力选择。是时候超越概念验证（PoC）了。

快速开始　参考指南

---

像 Kotlin 一样现代，像 Java 一样可靠

JVM 已经进化了。它如今既现代又功能丰富，同时依然是最快的平台之一，并承载着数十年企业级使用所沉淀的可靠性。 还有什么能阻止你写出下面这样的应用型 AI 代码呢？

@Action
fun extractPerson(userInput: UserInput, context: OperationContext): Person? =
    // 所有提示词都是类型安全的
    context.ai().withDefaultLlm().createObjectIfPossible(
        """
        Create a person from this user input, extracting their name:
        ${userInput.content}
        """
    )

原文此处附有「Copy / Copied!」复制按钮。

Java 起步模板　Kotlin 起步模板

---

Embabel 背后的团队

Embabel 由 Spring 框架创始人 Rod Johnson 与其他资深成员，以及一支高水平工程师团队共同打造。 这支团队不仅在应用型 AI 领域战绩斐然，在大型复杂系统的设计、扩展与交付方面同样拥有经过验证的记录。

加入 Embabel 的 Discord 社区

---

精选博客文章

Embabel 团队与社区成员分享他们关于 Embabel 的指南、经验、最佳实践与观点。

文章	摘要	链接
构建 MCP 工具	如何用 Embabel 创建交互式 MCP 工具。	阅读更多
DICE	上下文工程（Context Engineering）需要领域理解。	阅读更多
Embabel 与 Pydantic AI 对比	Pydantic AI 应用与 Embabel 应用的同类（like-for-like）对比。	阅读更多
为现有应用添加 AI	把 AI 转型建立在今天已经行之有效的方案之上。	阅读更多

---

下一页：概览