MKSZ981-多 Agent+Skills+SpringAI 构建自主决策智能体【VIP】

1274436090s · 发表于 2026-3-8 18:01

——/多 Agent+Skills+SpringAI 构建自主决策智能体/
├──代码
| └──AiTripPlan-master.zip  9.70M
├──第10章 Skills 让 Agent 按照专业流程工作
| ├──10-1 Agent的牛马小弟：SubAgent.mp4  43.72M
| ├──10-2 Agent Skills就是个专属工作流.mp4  38.37M
| ├──10-3 Skills装载的是专业知识和工作流程.mp4  61.93M
| ├──10-4 Skills的渐进式加载机制.mp4  50.34M
| ├──10-5 Skills的文件结构标准.mp4  74.61M
| ├──10-6 总结Agent从助手到自主协作的进化过程.mp4  53.17M
| └──10-7 SpringAi 1.1.2实现Agent装载Skills.mp4  80.17M
├──第1章 AI 正式进入多 Agent 协作和自主决策的时代
| ├──1-1 多Agent融合自主决策，AI发展的必然趋势.mp4  67.00M
| ├──1-2 准备工作：安装ApiFox.mp4  25.89M
| ├──1-3 准备工作：配置阿里大模型广场的ApiKey.mp4  28.57M
| ├──1-4 准备工作：百度地图API秘钥(AK).mp4  16.68M
| ├──1-5 准备工作：安装Nacos 3.mp4  16.91M
| ├──1-6 仿Manus能自主决策的框架：Jmanus.mp4  84.63M
| └──1-7 具备ReAct核心能力的框架：AgentScope.mp4  45.05M
├──第2章大白话快速简单过一遍 Ai 大模型
| ├──2-1 大模型咋就懂咱说啥？.mp4  37.52M
| ├──2-2 大模型的信息分析器：Transformer层.mp4  76.14M
| ├──2-3 大模型的大脑中枢：自注意力机制.mp4  58.02M
| ├──2-4 大模型的回应咋就这么体贴呢.mp4  47.70M
| └──2-5 大模型是弹药库，智能体则是武器.mp4  57.70M
├──第3章 MCP + Skills，Agent“工具+技能”的双轮驱动
| ├──3-1 大模型困境：数据获取与整合上的“抓瞎”.mp4  40.24M
| ├──3-10 多Agent跨部门协作：A2A协议.mp4  63.00M
| ├──3-11 主流的多Agent开发框架.mp4  46.54M
| ├──3-12 多Agent的核心执行流程.mp4  42.18M
| ├──3-2 困境解决方案：函数调用( Function Calling ).mp4  48.78M
| ├──3-3 Function Calling就是大模型的跑腿小弟.mp4  83.35M
| ├──3-4 更优的困境解决方案： MCP.mp4  56.46M
| ├──3-5 对比Function Calling，MCP的不同.mp4  74.99M
| ├──3-6 体验MCP：Jmanus配置MCP服务.mp4  69.28M
| ├──3-7 具有专业知识的Agent Skills.mp4  32.93M
| ├──3-8 工具调用最强组合：Agent Skills+MCP.mp4  50.37M
| └──3-9 搞定复杂活儿，得靠多个Agent协作.mp4  47.38M
├──第4章 SpringAi 1.1 实现 MCP+A2A
| ├──4-1 以bom方式导入SpringAi Alibaba依赖.mp4  75.74M
| ├──4-10 SpringAi 1.1 整合MCP.mp4  85.67M
| ├──4-11 SpringAi 1.1 A2A的3个核心组件.mp4  43.43M
| ├──4-12 SpringAi 1.1 MCP注解：全新的MCP实现.mp4  71.43M
| ├──4-13 SpringAi 1.1 A2A的服务注册.mp4  80.44M
| ├──4-14 SpringAi 1.1 A2A的服务发现.mp4  106.31M
| ├──4-15 SpringAi 1.1 A2A的元数据AgentCard.mp4  130.79M
| ├──4-16 测试 SpringAi 1.1 实现的 A2A 协议.mp4  126.59M
| ├──4-2 导入MCP依赖.mp4  56.26M
| ├──4-3 MCP能连接万物的原因：通信的分层设计.mp4  89.56M
| ├──4-4 MCP的通信：SSE实时传输.mp4  73.70M
| ├──4-5 创建MCP工具.mp4  55.88M
| ├──4-6 将MCP工具注册到MCP服务.mp4  58.14M
| ├──4-7 线程不会被卡住：WebFlux框架.mp4  77.82M
| ├──4-8 Jmanus导入SpringAi自定义的MCP服务.mp4  39.47M
| └──4-9 SpringAi Alibaba 1.1 以bom方式导入依赖.mp4  54.34M
├──第5章 Agent 团队打造专属你的旅行规划
| ├──5-1 旅行规划的复合任务拆解.mp4  42.57M
| ├──5-2 团队成员：路线制定专员Agent.mp4  32.09M
| ├──5-3 团队成员：行程规划经理Agent.mp4  36.60M
| ├──5-4 团队成员：费用统筹管家Agent.mp4  28.29M
| ├──5-5 Agent团队和大模型的无缝协作.mp4  59.45M
| └──5-6 百度地图MCP提供的工具体系全景.mp4  33.11M
├──第6章多 Agent + ReAct架构，SpringAi迈入Agent新时代
| ├──6-1 SpringAI 1.0，1.1 和 2.0.mp4  79.60M
| ├──6-10 AgentScope构建搭载工具的ReAct Agent（2）.mp4  81.68M
| ├──6-11 MCP客户端连接MCP服务端.mp4  74.79M
| ├──6-12 大模型调用本地自定义的MCP服务.mp4  84.04M
| ├──6-13 RAG只是一个过渡阶段吗？.mp4  67.25M
| ├──6-14 长下文能取代RAG吗？.mp4  61.40M
| ├──6-15 测试AgentScope的Agent运行.mp4  54.48M
| ├──6-2 SpringBoot整合SpringAi Alibaba.mp4  62.41M
| ├──6-3 和大模型互动的中枢：ChatModel对象.mp4  83.01M
| ├──6-4 和大模型互动的窗口：ChatClient对象.mp4  114.14M
| ├──6-5 ChatClient流式响应获取数据 (SSE).mp4  82.64M
| ├──6-6 SpringAi 1.1 正式进入Agent自主决策时代.mp4  139.91M
| ├──6-7 SpringAi 1.1 组建旅游规划的Agent团队.mp4  65.32M
| ├──6-8 SpringAi 1.1 Agent团队协同合作.mp4  118.19M
| └──6-9 AgentScope构建搭载工具的ReAct Agent（1）.mp4  80.92M
├──第7章 Graph 搭建旅游规划工作流，像拼积木一样轻松
| ├──7-1 以工作流方式编排旅行规划的团队协同.mp4  52.73M
| ├──7-10 SpringAi Alibaba1.1的Graph引擎.mp4  28.06M
| ├──7-11 SpringAi 1.1的工作流状态更新.mp4  61.79M
| ├──7-12 基于Graph搭建旅游规划工作流.mp4  119.31M
| ├──7-13 总结Agent和Graph分别构建的工作流.mp4  57.84M
| ├──7-2 搭建工作流的记忆中枢：OverAllState.mp4  75.93M
| ├──7-3 搭建工作流的框架蓝图：StateGraph.mp4  62.70M
| ├──7-4 搭建工作流的执行单元：NodeAction.mp4  107.23M
| ├──7-5 搭建工作流的流程顺序：Edge.mp4  32.77M
| ├──7-6 编译及运行工作流.mp4  72.96M
| ├──7-7 图形化展示工作流.mp4  55.65M
| ├──7-8 Flux就是装载SSE流式数据的容器.mp4  53.97M
| └──7-9 Flux包装SSE返回给前端展示打字机输出效果.mp4  110.84M
├──第8章 Jmanus 懂思考、会规划、一步步动手完成任务。
| ├──8-1 多Agent设计思路角色分工.mp4  42.13M
| ├──8-10 JManus的核心：计划协调器.mp4  49.75M
| ├──8-11 JManus向大模型请求计划创建.mp4  67.21M
| ├──8-12 根据计划类型创建不同的执行者.mp4  54.96M
| ├──8-13 不同的执行者调用不同的执行流程.mp4  50.11M
| ├──8-2 多Agent设计思路冲突协商.mp4  53.00M
| ├──8-3 多Agent设计思路 SOP管理机制.mp4  65.46M
| ├──8-4 Manus多Agent的技术架构.mp4  42.89M
| ├──8-5 Manus是自主决策的Ai Agent.mp4  64.08M
| ├──8-6 OpenManus复刻Manus的架构思路.mp4  71.51M
| ├──8-7 PlanAct是全局流程规划的主管.mp4  25.82M
| ├──8-8 ReAct是灵活应变的基层执行者.mp4  16.54M
| └──8-9 JManus的文件架构以及Prompt提交入口.mp4  76.62M
└──第9章 Docker 部署分布式 Agent 搞定旅游规划
| ├──9-1 AgentScope搭建工程化的分布式Agent协同.mp4  28.37M
| ├──9-10 远程Agent封装为工具执行子任务.mp4  48.81M
| ├──9-2 分布式Agent自主旅游规划的架构思路.mp4  19.17M
| ├──9-3 SpringBoot 4 和 AgentScope 的整合.mp4  30.93M
| ├──9-4 创建不同节点的ReAct Agent.mp4  32.28M
| ├──9-5 主管Agent自主分解复杂任务.mp4  72.19M
| ├──9-6 自主分解任务的关键：PlanNotebook.mp4  48.51M
| ├──9-7 计划和执行中的事件拦截：Hook.mp4  60.65M
| ├──9-8 主管Agent分发任务给相应Agent.mp4  34.45M
| └──9-9 团队成员的智能体卡片注册到Nacos.mp4  54.59M