AI Agent教程最新，强推！零基础一口气学会Agent智能体从入门到实战，RAG+MCP+Skills全讲透，新手入门必看
配套课件/代码笔记：后台私信up主→发送暗号【11】即可！允许礼貌白嫖，先到先得！
【全栈 AI 大模型工程师】 本套 AI 大模型系统教程专为零基础用户打造，全方位覆盖了从 LLM 底层原理到 Prompt 提示词工程、以及 2026 热门 AI Agent 智能体构建的实战全流程，不仅包含 DeepSeek、Claude、OpenClaw 等前沿模型的高效使用技巧，更深度解析了私有化部署、知识库搭建及工作流自动化的落地场景，旨在带你从零入门到精通，手把手教你如何利用 AI 大模型构建专属数字
视频选集
（1/99）
0.课程简介
00:59
0-1 多Agent融合自主决策，AI发展的必然趋势
09:45
1-2 准备工作：安装ApiFox
04:34
1-3 准备工作：配置阿里大模型广场的ApiKey
04:55
1-4 准备工作：百度地图API秘钥(AK)
02:39
1-5 准备工作：安装Nacos 3
02:53
1-6 仿Manus能自主决策的框架：Jmanus
13:32
1-7 具备ReAct核心能力的框架：AgentScope
06:05
2-1 大模型咋就懂咱说啥 ？
06:59
2-2 大模型的信息分析器：Transformer层
11:34
2-3 大模型的大脑中枢：自注意力机制
09:47
2-4 大模型的回应咋就这么体贴呢
07:56
2-5 大模型是弹药库，智能体则是武器
08:09
3-1 大模型困境：数据获取与整合上 的“抓瞎”
06:21
3-2 困境解决方案：函数调用( Function Calling )
08:07
3-3 Function Calling就是大模型的跑腿小弟
11:39
3-4 更优的困境解决方案： MCP
09:24
3-5 对比Function Calling，MCP的不同
09:24
3-6 体验MCP：Jmanus配置MCP服务
11:44
3-7 具有专业知识的Agent Skills
05:14
3-8 工具调用最强组合：Agent Skills+MCP
08:04
3-9 搞定复杂活儿，得靠多个Agent协作
08:01
3-10 多Agent跨部门协作：A2A协议
11:06
3-11 主流的多Agent开发框架
07:50
3-12 多Agent的核心执行流程
07:11
4-1 以bom方式导入SpringAi Alibaba依赖
12:35
4-2 导入MCP依赖
09:19
4-3 MCP能连接万物的原因：通信的分层设计
11:33
4-4 MCP的通信：SSE实时传输
13:34
4-5 创建MCP工具
09:36
4-6 将MCP工具注册到MCP服务
09:24
4-7 线程不会被卡住：WebFlux框架
12:50
4-8 Jmanus导入SpringAi自定义的MCP服务
06:52
4-9 SpringAi Alibaba 1.1 以bom方式导入依赖
08:39
4-10 SpringAi 1.1 整合MCP
13:59
4-11 SpringAi 1.1 A2A的3个核心组件
07:13
4-12 SpringAi 1.1 MCP注解：全新的MCP实现
12:47
4-13 SpringAi 1.1 A2A的服务注册
13:42
4-14 SpringAi 1.1 A2A的服务发现
16:51
4-15 SpringAi 1.1 A2A的元数据AgentCard
21:32
4-16 测试 SpringAi 1.1 实现的 A2A 协议
20:54
5-1 旅行规划的复合任务拆解
06:44
5-2 团队成员：路线制定专员Agent
05:07
5-3 团队成员：行程规划经理Agent
06:19
5-4 团队成员：费用统筹管家Agent
04:43
5-5 Agent团队和大模型的无缝协作
09:52
5-6 百度地图MCP提供的工具体系全景
05:46
6-1 SpringAI 1.0，1.1 和 2.0
10:42
6-2 SpringBoot整合SpringAi Alibaba
09:51
6-3 和大模型互动的中枢：ChatModel对象
14:04
6-4 和大模型互动的窗口：ChatClient对象
18:28
6-5 ChatClient流式响应获取数据 (SSE)
13:32
6-6 SpringAi 1.1 正式进入Agent自主决策时代
23:40
6-7 SpringAi 1.1 组建旅游规划的Agent团队
11:14
6-8 SpringAi 1.1 Agent团队协同合作
19:09
6-9 AgentScope构建搭载工具的ReAct Agent（1）
13:50
6-10 AgentScope构建搭载工具的ReAct Agent（2）
14:12
6-11 MCP客户端连接MCP服务端
12:07
6-12 大模型调用本地自定义的MCP服务
13:52
6-13 RAG只是一个过渡阶段吗 ？
11:37
6-14 长下文能取代RAG吗 ？
10:31
6-15 测试AgentScope的Agent运行
09:21
7-1 以工作流方式编排旅行规划的团队协同
08:37
7-2 搭建工作流的记忆中枢：OverAllState
10:38
7-3 搭建工作流的框架蓝图：StateGraph
10:39
7-4 搭建工作流的执行单元：NodeAction
17:31
7-5 搭建工作流的流程顺序：Edge
05:50
7-6 编译及运行工作流
13:03
7-7 图形化展示工作流
09:13
7-8 Flux就是装载SSE流式数据的容器
08:45
7-9 Flux包装SSE返回给前端展示打字机输出效果
18:30
7-10 SpringAi Alibaba1.1的Graph引擎
04:29
7-11 SpringAi 1.1的工作流状态更新
10:56
7-12 基于Graph搭建旅游规划工作流
20:12
7-13 总结Agent和Graph分别构建的工作流
08:41
8-1 多Agent设计思路 角色分工
07:12
8-2 多Agent设计思路 冲突协商
08:53
8-3 多Agent设计思路 SOP管理机制
11:30
8-4 Manus多Agent的技术架构
07:31
8-5 Manus是自主决策的Ai Agent
10:39
8-6 OpenManus复刻Manus的架构思路
12:05
8-7 PlanAct是全局流程规划的主管
04:08
8-8 ReAct是灵活应变的基层执行者
02:45
8-9 JManus的文件架构以及Prompt提交入口
12:40
8-10 JManus的核心：计划协调器
08:42
8-11 JManus向大模型请求计划创建
11:14
8-12 根据计划类型创建不同的执行者
09:39
8-13 不同的执行者调用不同的执行流程
08:16
9-1 AgentScope搭建工程化的分布式Agent协同
04:26
9-2 分布式Agent自主旅游规划的架构思路
03:10
9-3 SpringBoot 4 和 AgentScope 的整合
05:26
9-4 创建不同节点的ReAct Agent
05:45
9-5 主管Agent自主分解复杂任务
12:27
9-6 自主分解任务的关键：PlanNotebook
08:19
9-7 计划和执行中的事件拦截：Hook
09:35
9-8 主管Agent分发任务给相应Agent
05:55
9-9 团队成员的智能体卡片注册到Nacos
08:38
9-10 远程Agent封装为工具执行子任务
08:18
10-1 Agent的牛马小弟：SubAgent
07:22
顶部