AI课程资源合集分享

如果你已经能调用大模型接口，却卡在“怎么让几个 Agent 真的配合起来干活”这一步，这套资料值得花时间看。它不讲提示词技巧，也不铺开讲模型原理，而是围绕一个具体任务——旅游规划——把多 Agent 协同的完整链路走一遍。学完之后，你对“Agent 之间怎么分工、怎么通信、怎么调用外部工具”会有一个能落地的理解，而不是停留在概念图上。

它解决的是哪类工作场景

日常做 AI 应用开发时，最容易遇到的困境是：单个 Agent 能回答问题，但一旦任务变复杂，比如既要查天气、又要排行程、还要核对预算，一个 Agent 就顾不过来。这套资料切入的正是这个场景——把一个旅游规划任务拆给不同角色的 Agent，让它们各管一摊，再通过协议把结果汇总。资料里涉及 MCP 和 A2A 两条线：一条解决 Agent 怎么拿到外部服务（比如地图类工具）的能力，另一条解决 Agent 之间怎么互相发现、互相调用。这两块是目前多 Agent 系统里绕不开的基础设施，理解了它们，你再看其他协同框架会轻松很多。

适合什么基础，先看哪几块

它不适合零编程基础的人。你至少要能读懂 Python 代码、知道什么是 API 调用、对 JSON 数据结构不陌生，否则看架构讲解和协议交互时会比较吃力。如果你之前只用过聊天式的大模型产品，没写过调用代码，建议先补一下接口调用的基本操作再来。

建议的观看顺序不是从第一集顺着播。先看整体架构回顾那一部分，建立“这个系统里有几个角色、它们各自负责什么”的地图；然后跳到协议相关的章节，搞清楚 Agent 之间是怎么交换信息的；最后再看工具接入的部分，理解外部服务是怎么被挂进来的。案例本身的业务逻辑不复杂，重点在协同机制，所以不要被旅游规划这个外壳带偏，把注意力放在角色划分和消息流转上。

学完能独立做什么，资料怎么配合练

走完这套内容，你应该能独立搭出一个最小可用的多 Agent 协同原型：定义两到三个角色，让它们通过协议互相传递任务，并接入至少一个外部工具服务。这个能力可以直接迁移到客服分流、资料整理、多步骤数据核对等工作场景，不只是旅游。

练习方式上，不建议只看不写。每看完一个协同环节，就自己动手把对应的角色和消息流复现一遍，哪怕先用假数据跑通也行。工具接入那部分，可以换成你手边能拿到的其他服务做替换实验，验证自己是不是真的理解了接入方式，而不是记住了某一段代码。资料里的案例是完整的，但你要练的是拆解和重组的能力——把它的结构拆开，换成自己的任务再拼回去，这才算学到位。