导语
随着 OpenJDK 进入 JDK 26 的规划窗口，Java 生态在 10 月中旬迎来一波面向企业应用的迭代：Jakarta EE 宣布 Jakarta Query 1.0 首个里程碑版本，试图统一持久化查询生态；Spring 团队发布 Spring AI 1.1.0-M3 与 Spring Batch 6.0.0-M4，持续扩张数据与 AI 集成能力；Seed4J 2.0（原 JHipster Lite）完成迁移，强调“六边形架构 + 清洁代码”的脚手架理念。三则新闻背后，共同反映出 Java 正在从“后端语言”过渡到“全栈平台”，并主动拥抱 AI、数据、现代工程的交集。
Jakarta Query 1.0-M1：查询语言的统一
InfoQ 10 月 13 日指出，Jakarta Query 1.0 的首个里程碑版本有三个重点：
- 语义统一：将 Jakarta Persistence Query Language（JPQL）与 Jakarta Data Query Language（JDQL）整合为一部规范，消除了过去“ORM 领域语言 + 数据访问语言”割裂的问题。
- 独立语法定义：引入自包含的语义描述，便于在 Java 之外的语言或跨服务场景中实现查询能力，从而支持微服务、多语言互操作。
- 纳入 Jakarta EE 12：规范正在进行平台投票，若顺利通过，将成为 Jakarta EE 12 平台与 Web Profile 的核心组成部分，意味着企业应用可以在标准层面享受统一的查询接口。
统一查询语言不仅能降低学习成本，还能在数据访问层引入一致的优化策略，例如统一的参数绑定、缓存策略、审计机制。对于同时使用 Jakarta Persistence 与 Jakarta Data 的大型项目，这将带来显著的维护效率提升。
Spring AI 1.1 与 Spring Batch 6.0：AI 与数据管道的融合
Spring 团队在官方博客上公布的两个里程碑版本值得重点关注：
- Spring AI 1.1.0-M3：升级到 Model Context Protocol（MCP） Java SDK 0.14.0，引入 Azure Cosmos DB 作为聊天记忆持久化选项，增加基于 GemFire 的元数据过滤，并完善了 Prompt 模板、函数调用与评估工具。这意味着 Spring 生态对多模型、多存储场景的支持更加成熟，企业可以在熟悉的框架中构建生产级 AI 应用。
- Spring Batch 6.0.0-M4：全量引入 JSpecify 注解，提高空值与类型安全性；支持在
MongoJobRepositoryFactoryBean中配置 Mongo 序列自增器；将监控从 Micrometer 全局MeterRegistry迁移到更灵活的ObservationRegistry。这些改动让批处理任务在可观测性、可测试性上更加现代化，有助于与云原生监控体系对接。
对于希望将 AI 能力嵌入现有 Java 系统的企业来说，Spring 的这次迭代提供了重要支撑：一方面，AI 服务的编排、记忆、评估可以复用 Spring 的依赖注入与配置管理；另一方面，批处理框架的升级也为模型训练数据准备、日志审计等环节提供了更可靠的管道。
Seed4J 2.0：六边形架构脚手架的持续演进
Seed4J（前身为 JHipster Lite）在 10 月发布 2.0 版本，重点包括：
- 从 JHipster Lite 1.35.0 平滑迁移，保留模块化代码生成能力；
- 增强 Angular 国际化支持，方便构建多语言前端；
- 更新依赖、修复缺陷，并通过 SonarCloud 提供代码质量分析结果；
- 强调“六边形架构 + 清洁代码 + 端到端测试”的理念，提供一套可复制的企业级工程模板。
Seed4J 的定位是将架构最佳实践沉淀为脚手架，帮助团队在快速交付与可维护性之间取得平衡。对于正在推进微服务、DDD 或多语言项目的企业，Seed4J 2.0 提供了高质量的起步工程以及规范化的代码组织方式，可有效降低“脚手架腐化”风险。
企业行动建议
- 评估 Jakarta Query 的适配度：梳理现有系统中 JPQL、JPA Criteria、手写 SQL 的使用场景，评估向 Jakarta Query 统一过渡的成本与收益，尤其关注多服务之间的查询语义一致性。
- 构建 Spring AI 的实践路径：在内部建立模型接入规范，利用 Spring AI 的存储、评估工具实现 Prompt 管理、上下文记忆和函数调用的标准化；同时结合 Spring Batch，将数据准备、监控告警、审计记录纳入同一条流水线。
- 引入 Seed4J 做工程治理：对新项目或需要重构的项目采用 Seed4J 模板，结合团队的代码规范与安全要求进行扩展；利用 SonarCloud 报告监测代码质量，避免快速迭代带来的技术债堆积。
- 关注生态协同：Jakarta、Spring、Seed4J 之间存在天然协同——前者提供标准，后两者提供实现与工程化能力。企业可以围绕这三者构建统一的企业 Java 平台，以减少碎片化工具带来的管理成本。
结语
Jakarta Query 的标准化、Spring AI 的平台化、Seed4J 的工程化，共同展示了 Java 生态的三重进化：从语义到框架再到脚手架，为企业在云原生与 AI 时代继续使用 Java 提供坚实基础。对于技术决策者而言，现在正是梳理现有技术栈、引入统一标准、升级工程体系的窗口期。抓住这波更新，就能让 Java 在“经典后端语言”的标签之外，焕发面向未来的生命力。
