yiwangcc 
课程介绍
多 Agent+Skills+SpringAI 构建自主决策智能体，经百课优（baikeu.com）精心整理发布。本课程以旅游规划为实战场景，SpringAI 生态为技术核心，深度集成 JManus（类 Manus 轻量级多 Agent 协同引擎）与 AgentScope（技能模块化封装利器），手把手带你系统掌握 ReAct 模式、多 Agent 协同架构核心，收获可复用 Agent 落地方案，提升 Agent 分工策略设计 、协同决策工作流 、技能模块化封装等全链路开发能力。专注帮助你从 AI API 调用工程师晋升到多 Agent 架构设计师。
学后收获：
掌握 ReAct 自主决策模式
掌握热门技术栈智能开发
熟悉多 Agent 协同架构设计
提升复杂业务协同分解力
掌握Agent Skills工程化封装
收获整套AI应用落地方案
课程资源目录
├── 第1章 AI 正式进入多 Agent 协作和自主决策的时代/
│ ├── [ 37M] 1-1 多Agent融合自主决策，AI发展的必然趋势
│ ├── [ 19M] 1-2 准备工作：安装ApiFox
│ ├── [ 39M] 1-3 准备工作：配置阿里大模型广场的ApiKey
│ ├── [ 17M] 1-4 准备工作：百度地图API秘钥(AK)
│ ├── [ 15M] 1-5 准备工作：安装Nacos 3
│ ├── [158M] 1-6 仿Manus能自主决策的框架：Jmanus
│ └── [ 51M] 1-7 具备ReAct核心能力的框架：AgentScope
├── 第2章 大白话快速简单过一遍 Ai 大模型/
│ ├── [ 29M] 2-1 大模型咋就懂咱说啥 ？
│ ├── [ 32M] 2-2 大模型的信息分析器：Transformer层
│ ├── [ 27M] 2-3 大模型的大脑中枢：自注意力机制
│ ├── [ 19M] 2-4 大模型的回应咋就这么体贴呢
│ └── [ 16M] 2-5 大模型是弹药库，智能体则是武器
├── 第3章 MCP + Skills，Agent“工具+技能”的双轮驱动/
│ ├── [ 11M] 3-1 大模型困境：数据获取与整合上 的“抓瞎”
│ ├── [ 16M] 3-2 困境解决方案：函数调用( Function Calling )
│ ├── [ 35M] 3-3 Function Calling就是大模型的跑腿小弟
│ ├── [ 16M] 3-4 更优的困境解决方案： MCP
│ ├── [ 20M] 3-5 对比Function Calling，MCP的不同
│ ├── [102M] 3-6 体验MCP：Jmanus配置MCP服务
│ ├── [ 11M] 3-7 具有专业知识的Agent Skills
│ ├── [ 31M] 3-8 工具调用最强组合：Agent Skills+MCP
│ ├── [ 13M] 3-9 搞定复杂活儿，得靠多个Agent协作
│ ├── [ 37M] 3-10 多Agent跨部门协作：A2A协议
│ ├── [ 32M] 3-11 主流的多Agent开发框架
│ └── [ 39M] 3-12 多Agent的核心执行流程
├── 第4章 SpringAi 1.1 实现 MCP+A2A/
│ ├── [ 95M] 4-1 以bom方式导入SpringAi Alibaba依赖
│ ├── [ 85M] 4-2 导入MCP依赖
│ ├── [ 27M] 4-3 MCP能连接万物的原因：通信的分层设计
│ ├── [ 80M] 4-4 MCP的通信：SSE实时传输
│ ├── [ 63M] 4-5 创建MCP工具
│ ├── [ 62M] 4-6 将MCP工具注册到MCP服务
│ ├── [ 91M] 4-7 线程不会被卡住：WebFlux框架
│ ├── [ 51M] 4-8 Jmanus导入SpringAi自定义的MCP服务
│ ├── [ 56M] 4-9 SpringAi Alibaba 1.1 以bom方式导入依赖
│ ├── [108M] 4-10 SpringAi 1.1 整合MCP
│ ├── [ 39M] 4-11 SpringAi 1.1 A2A的3个核心组件
│ ├── [ 77M] 4-13 SpringAi 1.1 A2A的服务注册
│ ├── [113M] 4-14 SpringAi 1.1 A2A的服务发现
│ ├── [180M] 4-15 SpringAi 1.1 A2A的元数据AgentCard
│ └── [181M] 4-16 测试 SpringAi 1.1 实现的 A2A 协议
├── 第5章 Agent 团队打造专属你的旅行规划/
│ ├── [ 38M] 5-1 旅行规划的复合任务拆解
│ ├── [ 52M] 5-2 团队成员：路线制定专员Agent
│ ├── [ 71M] 5-3 团队成员：行程规划经理Agent
│ ├── [ 59M] 5-4 团队成员：费用统筹管家Agent
│ ├── [ 97M] 5-5 Agent团队和大模型的无缝协作
│ └── [ 36M] 5-6 百度地图MCP提供的工具体系全景
├── 第6章 多 Agent + ReAct架构，SpringAi迈入Agent新时代/
│ ├── [ 24M] 6-1 SpringAI 1.0，1.1 和 2.0
│ ├── [100M] 6-2 SpringBoot整合SpringAi Alibaba
│ ├── [107M] 6-3 和大模型互动的中枢：ChatModel对象
│ ├── [153M] 6-4 和大模型互动的窗口：ChatClient对象
│ ├── [109M] 6-5 ChatClient流式响应获取数据 (SSE)
│ ├── [196M] 6-6 SpringAi 1.1 正式进入Agent自主决策时代
│ ├── [103M] 6-7 SpringAi 1.1 组建旅游规划的Agent团队
│ ├── [165M] 6-8 SpringAi 1.1 Agent团队协同合作
│ ├── [109M] 6-9 AgentScope构建搭载工具的ReAct Agent（1）
│ ├── [117M] 6-10 AgentScope构建搭载工具的ReAct Agent（2）
│ ├── [117M] 6-11 MCP客户端连接MCP服务端
│ ├── [130M] 6-12 大模型调用本地自定义的MCP服务
│ ├── [ 67M] 6-13 RAG只是一个过渡阶段吗 ？
│ ├── [ 97M] 6-14 长下文能取代RAG吗 ？
│ └── [ 79M] 6-15 测试AgentScope的Agent运行
├── 第7章 Graph 搭建旅游规划工作流，像拼积木一样轻松/
│ ├── [ 54M] 7-1 以工作流方式编排旅行规划的团队协同
│ ├── [ 71M] 7-2 搭建工作流的记忆中枢：OverAllState
│ ├── [104M] 7-3 搭建工作流的框架蓝图：StateGraph
│ ├── [173M] 7-4 搭建工作流的执行单元：NodeAction
│ ├── [ 43M] 7-5 搭建工作流的流程顺序：Edge
│ ├── [ 94M] 7-6 编译及运行工作流
│ ├── [ 96M] 7-7 图形化展示工作流
│ ├── [ 50M] 7-8 Flux就是装载SSE流式数据的容器
│ ├── [135M] 7-9 Flux包装SSE返回给前端展示打字机输出效果
│ ├── [ 58M] 7-10 SpringAi Alibaba1.1的Graph引擎
│ ├── [ 89M] 7-11 SpringAi 1.1的工作流状态更新
│ ├── [212M] 7-12 基于Graph搭建旅游规划工作流
│ └── [ 54M] 7-13 总结Agent和Graph分别构建的工作流
├── 第8章 Jmanus 懂思考、会规划、一步步动手完成任务。/
│ ├── [ 40M] 8-1 多Agent设计思路 角色分工
│ ├── [ 79M] 8-2 多Agent设计思路 冲突协商
│ ├── [116M] 8-3 多Agent设计思路 SOP管理机制
│ ├── [ 60M] 8-4 Manus多Agent的技术架构
│ ├── [ 70M] 8-5 Manus是自主决策的Ai Agent
│ ├── [ 68M] 8-6 OpenManus复刻Manus的架构思路
│ ├── [ 27M] 8-7 PlanAct是全局流程规划的主管
│ ├── [ 21M] 8-8 ReAct是灵活应变的基层执行者
│ ├── [ 84M] 8-9 JManus的文件架构以及Prompt提交入口
│ ├── [104M] 8-10 JManus的核心：计划协调器
│ ├── [109M] 8-11 JManus向大模型请求计划创建
│ ├── [ 83M] 8-12 根据计划类型创建不同的执行者
│ └── [ 72M] 8-13 不同的执行者调用不同的执行流程
├── 第8章 Jmanus源码, Java如何让Agent自主决策/
│ └── [ 55K] 8-14vs面试官入局高薪Ai应用领域.pdf
├── 第9章 分布式 Agent 搞定旅游规划/
│ ├── [ 15M] 9-1AgentScope搭建工程化的分布式Agent协同
│ ├── [ 26M] 9-2分布式Agent自主旅游规划的架构思路
│ ├── [ 51M] 9-3SpringBoot4和AgentScope的整合
│ ├── [ 49M] 9-4创建分布式的Agent
│ ├── [ 99M] 9-5主管Agent自主分解复杂任务
│ ├── [ 63M] 9-6自主分解任务的关键：PlanNotebook
│ ├── [100M] 9-7计划和执行中的事件拦截：Hook
│ ├── [ 40M] 9-8主管Agent分发任务给相应Agent
│ ├── [ 76M] 9-9团队成员的智能体卡片注册到Nacos
│ └── [ 75M] 9-10远程Agent封装为工具执行子任务
├── 第10章 Skills 让 Agent 按照专业流程工作/
│ ├── [ 76M] 10-1Agent的牛马小弟：SubAgent
│ ├── [ 54M] 10-2AgentSkills就是个专属工作流
│ ├── [ 88M] 10-3Skills装载的是专业知识和工作流程
│ ├── [ 77M] 10-4Skills的渐进式加载机制
│ ├── [ 97M] 10-5Skills的文件结构标准
│ ├── [ 60M] 10-6总结Agent从助手到自主协作的进化过程
│ ├── [104M] 10-7SpringAi1.1.2实现Agent装载Skills
│ └── [ 23M] 10-8测试Agent调用Skills
├── 第11章 MCP+A2A，助力旅游规划团队协作/
│ ├── [107M] 11-1回顾AgentScope旅游规划的整体架构
│ ├── [153M] 11-2测试：团队成员基于A2A协议注册到Nacos
│ ├── [ 76M] 11-3测试：主管Agent基于A2A协议获取团队成员
│ ├── [ 77M] 11-4测试：主管Agent调动团队成员执行任务
│ ├── [ 90M] 11-5获取百度地图MCP服务端的工具列表
│ ├── [ 65M] 11-6路线制定专员Agent挂载百度地图MCP
│ ├── [588K] 11-7日志截图：Agent挂载百度地图MCP工具列表.pdf
│ ├── [ 60M] 11-8主管Agent自主分发任务给远程相应的成员
│ └── [ 54M] 11-9人工介入修改主管Agent制定的计划
├── 第12章 专属SubAgent, 处理旅游规划专业Skills/
│ ├── [ 74M] 12-1行程规划经理挂载Skills
│ ├── [ 51M] 12-2有限预算内规划精彩旅行的Skills
│ ├── [ 59M] 12-3表格制作Skills
│ ├── [ 59M] 12-4Skills调用系统工具进行文件操作
│ ├── [ 51M] 12-5Skills实现Agent工具的渐进式加载
│ ├── [101M] 12-6景点推荐SubAgent执行景点推荐任务
│ └── [ 56K] 12-7vs面试官入局高薪Ai应用领域.pdf
└── 第13章 旅游规划优化，监控，部署/
├── [ 37M] 13-1敏感资源处理方案
├── [ 24M] 13-2主管Agent暴露和用户交互的接口
├── [ 19M] 13-3docker搭建Agent跟踪和Token消费分析
├── [ 46M] 13-4旅游规划Agent团队集成Agent追踪观测
├── [ 48M] 13-5测试：主管Agent接收Prompt及结构化输出
├── [ 47M] 13-6旅游规划打印出Agent的深度思考
├── [ 68M] 13-7测试：路线制定专员规划最优驾车路线(idea)
├── [386K] 13-8日志截图：驾车路线的费用预估.pdf
├── [108M] 13-9测试：行程规划经理推荐高性价比行程
├── [480K] 13-10日志截图：行程规划的费用预估.pdf
├── [ 68M] 13-11测试：idea运行旅游规划项目
└── [ 25M] 13-12课程总结
└── 代码/
└── 课件/
1、本站信息来自网络，版权争议与本站无关
2、本站所有主题由该帖子作者发表，该帖子作者与本站享有帖子相关版权
3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意
4、本帖部分内容转载自其它媒体，但并不代表本站赞同其观点和对其真实性负责
5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。
6、您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。
7、请支持正版软件、得到更好的正版服务。
