正文
据甲子光年的分析报告称，2024 是 AI Agent 的爆发之年，也是产品逐步从 Chatbot 和 Copilot 模式转向 AI Agent 的探索之年，AI Agent 正在经历从面向过程的工作模式向面向目标架构的转变，这标志着 AI 在实际应用中的角色变得更加自主和智能化。随着这些趋势的发展，预计未来将出现更多创新产品和服务，进一步丰富 AI Agent 的应用场景。
Langchain 和 LlamaIndex 等基于 python 开发的项目受到了很多 AI 开发者的欢迎，不过笔者也观察到越来越多基于 Java 开发的 AI 框架开始流行：Langchain4J 在过去一年发布了十余个版本，Pivotal 开源的 Spring AI 在最近也发布了 1.0.0 版本，阿里云也在云栖大会推出了基于通义的适配 Spring AI Alibaba 开源项目。
Java 在开发企业级应用的时候有着天然的优势，Spring AI Alibaba 是一个面向 AI 工程的应用框架，其目标是将 Spring 生态系统的可移植性、模块化设计等企业级特性应用到 AI 领域，解决 AI 集成的基本挑战，将企业原有的数据和 API 与 AI 模型更好地结合起来。
Java 仍旧占微服务编程语言的主流地位，但也有越来越多的企业开始使用 Go 、 Python 、Rust 语言来开发微服务应用，服务治理架构也从 Sidecar 演进到 Ambient 和 Proxyless。Istio 宣布其 Ambient 模式已达到 GA（全面可用）状态。Ambient 模式解决了过去每个工作负载都需要单独 Sidecar 所导致的高 CPU 和内存损耗，以及每次更新 Istio 版本时需重新启动所有 Pod 的痛点。Ambient 模式支持将 L4 层与 L7 层分离，使企业能够逐步采用 Istio 技术。可以从无网格状态平滑过渡到实现如 mTLS、授权策略和可观测性的 L4 层，然后根据实际需要，在每个命名空间内逐步启用更复杂的 L7 层功能，例如重试、流量分割、负载均衡和可观测性数据收集。这种按需分阶段的平滑过渡，有助于在整个集群中逐步实现服务网格功能的全面部署。
服务框架层面，Apache Dubbo 正式发布了 3.3 版本，通过 Triple 的全新升级，突破了以往局限，实现了对南北向与东西向流量的全面支持，提升了对云原生架构的友好性。Dubbo 、Grpc 和 Kitex 等众多微服务框架都实现了 Proxyless 模式，通过 xDS 协议实现服务框架与控制面的直接通信，进而实现控制面对流量管控、服务治理、可观测性、安全等的统一管控，规避 Sidecar 和 Ambient 模式带来的性能损耗与部署架构复杂性。
