AI课程资源合集分享
AI Agent协同旅游规划实战教程
编辑点评
深入浅出AI Agent协同工作原理,结合旅游规划案例,展示AI在复杂任务中的实际应用。
⭐ 编辑推荐
本课程涵盖AI Agent架构、团队协作、技能应用等多个方面,适合对AI应用开发感兴趣的初学者和从业者。
课程亮点
• AI Agent架构解析
• 旅游规划案例实战
• 技能应用与工作流搭建
课程目录
📁 第11章 MCP+A2A,助力旅游规划团队协作
11-1 回顾AgentScope旅游规划的整体架构【完整资源访问:kebaiwan.net】.mp4 [73.0 MB]
11-3 测试主管Agent基于A2A协议获取团队成员【完整资源访问:kebaiwan.net】.mp4 [51.4 MB]
11-5 获取百度地图MCP服务端的工具列表【完整资源访问:kebaiwan.net】.mp4 [65.8 MB]
11-4 测试主管Agent调动团队成员执行任务【完整资源访问:kebaiwan.net】.mp4 [54.1 MB]
11-6 路线制定专员Agent挂载百度地图MCP【完整资源访问:kebaiwan.net】.mp4 [49.7 MB]
11-7 主管Agent自主分发任务给远程相应的成员【完整资源访问:kebaiwan.net】.mp4 [41.5 MB]
11-8 人工介入修改主管Agent制定的计划【完整资源访问:kebaiwan.net】.mp4 [51.9 MB]
11-2 测试团队成员基于A2A协议注册到Nacos【完整资源访问:kebaiwan.net】.mp4 [93.6 MB]
📁 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【完整资源访问:kebaiwan.net】.mp4 [42.6 MB]
5-5 Agent团队和大模型的无缝协作【完整资源访问:kebaiwan.net】.mp4 [59.5 MB]
5-2 团队成员:路线制定专员Agent【完整资源访问:kebaiwan.net】.mp4 [32.1 MB]
5-4 团队成员:费用统筹管家Agent【完整资源访问:kebaiwan.net】.mp4 [28.3 MB]
5-3 团队成员:行程规划经理Agent【完整资源访问:kebaiwan.net】.mp4 [36.6 MB]
5-6 百度地图MCP提供的工具体系全景【完整资源访问:kebaiwan.net】.mp4 [33.1 MB]
📁 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【完整资源访问:kebaiwan.net】.mp4 [28.4 MB]
9-10 远程Agent封装为工具执行子任务【完整资源访问:kebaiwan.net】.mp4 [48.8 MB]
9-9 团队成员的智能体卡片注册到Nacos【完整资源访问:kebaiwan.net】.mp4 [54.6 MB]
9-8 主管Agent分发任务给相应Agent【完整资源访问:kebaiwan.net】.mp4 [34.5 MB]
9-2 分布式Agent自主旅游规划的架构思路【完整资源访问:kebaiwan.net】.mp4 [19.2 MB]
9-4 创建不同节点的ReAct Agent【完整资源访问:kebaiwan.net】.mp4 [32.3 MB]
9-6 自主分解任务的关键:PlanNotebook【完整资源访问:kebaiwan.net】.mp4 [48.5 MB]
9-7 计划和执行中的事件拦截:Hook【完整资源访问:kebaiwan.net】.mp4 [60.6 MB]
9-3 SpringBoot 4 和 AgentScope 的整合【完整资源访问:kebaiwan.net】.mp4 [30.9 MB]
9-5 主管Agent自主分解复杂任务【完整资源访问:kebaiwan.net】.mp4 [72.2 MB]
📁 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【完整资源访问:kebaiwan.net】.mp4 [42.1 MB]
8-10 JManus的核心:计划协调器【完整资源访问:kebaiwan.net】.mp4 [49.7 MB]
8-6 OpenManus复刻Manus的架构思路【完整资源访问:kebaiwan.net】.mp4 [71.5 MB]
8-4 Manus多Agent的技术架构【完整资源访问:kebaiwan.net】.mp4 [42.9 MB]
8-12 根据计划类型创建不同的执行者【完整资源访问:kebaiwan.net】.mp4 [55.0 MB]
8-7 PlanAct是全局流程规划的主管【完整资源访问:kebaiwan.net】.mp4 [25.8 MB]
8-8 ReAct是灵活应变的基层执行者【完整资源访问:kebaiwan.net】.mp4 [16.5 MB]
8-11 JManus向大模型请求计划创建【完整资源访问:kebaiwan.net】.mp4 [67.2 MB]
8-5 Manus是自主决策的Ai Agent【完整资源访问:kebaiwan.net】.mp4 [64.1 MB]
8-2 多Agent设计思路 冲突协商【完整资源访问:kebaiwan.net】.mp4 [53.0 MB]
8-13 不同的执行者调用不同的执行流程【完整资源访问:kebaiwan.net】.mp4 [50.1 MB]
8-3 多Agent设计思路 SOP管理机制【完整资源访问:kebaiwan.net】.mp4 [65.5 MB]
8-9 JManus的文件架构以及Prompt提交入口【完整资源访问:kebaiwan.net】.mp4 [76.6 MB]
📁 第6章 多 Agent + ReAct架构,SpringAi迈入Agent新时代
6-12 大模型调用本地自定义的MCP服务【完整资源访问:kebaiwan.net】.mp4 [84.0 MB]
6-6 SpringAi 1.1 正式进入Agent自主决策时代【完整资源访问:kebaiwan.net】.mp4 [139.9 MB]
6-10 AgentScope构建搭载工具的ReAct Agent(2)【完整资源访问:kebaiwan.net】.mp4 [81.7 MB]
6-11 MCP客户端连接MCP服务端【完整资源访问:kebaiwan.net】.mp4 [74.8 MB]
6-1 SpringAI 1.0,1.1 和 2.0【完整资源访问:kebaiwan.net】.mp4 [79.6 MB]
6-3 和大模型互动的中枢:ChatModel对象【完整资源访问:kebaiwan.net】.mp4 [83.0 MB]
6-13 RAG只是一个过渡阶段吗 ?【完整资源访问:kebaiwan.net】.mp4 [67.3 MB]
6-7 SpringAi 1.1 组建旅游规划的Agent团队【完整资源访问:kebaiwan.net】.mp4 [65.3 MB]
6-15 测试AgentScope的Agent运行【完整资源访问:kebaiwan.net】.mp4 [54.5 MB]
6-2 SpringBoot整合SpringAi Alibaba【完整资源访问:kebaiwan.net】.mp4 [62.4 MB]
6-4 和大模型互动的窗口:ChatClient对象【完整资源访问:kebaiwan.net】.mp4 [114.1 MB]
6-8 SpringAi 1.1 Agent团队协同合作【完整资源访问:kebaiwan.net】.mp4 [118.2 MB]
6-5 ChatClient流式响应获取数据 (SSE)【完整资源访问:kebaiwan.net】.mp4 [82.6 MB]
6-14 长下文能取代RAG吗 ?【完整资源访问:kebaiwan.net】.mp4 [61.4 MB]
6-9 AgentScope构建搭载工具的ReAct Agent(1)【完整资源访问:kebaiwan.net】.mp4 [80.9 MB]
📁 第12章 专属SubAgent, 处理旅游规划专业Skills
12-3 表格制作Skills【完整资源访问:kebaiwan.net】.mp4 [30.2 MB]
12-5 景点推荐SubAgent执行景点推荐任务【完整资源访问:kebaiwan.net】.mp4 [50.1 MB]
12-1 行程规划经理挂载Skills【完整资源访问:kebaiwan.net】.mp4 [53.6 MB]
12-2 有限预算内规划精彩旅行的Skills【完整资源访问:kebaiwan.net】.mp4 [43.6 MB]
12-4 Skills实现Agent工具的渐进式加载【完整资源访问:kebaiwan.net】.mp4 [30.1 MB]
📁 第10章 Skills 让 Agent 按照专业流程工作
10-4 Skills的渐进式加载机制【完整资源访问:kebaiwan.net】.mp4 [50.3 MB]
10-3 Skills装载的是专业知识和工作流程【完整资源访问:kebaiwan.net】.mp4 [61.9 MB]
10-1 Agent的牛马小弟:SubAgent【完整资源访问:kebaiwan.net】.mp4 [43.7 MB]
10-7 SpringAi 1.1.2实现Agent装载Skills【完整资源访问:kebaiwan.net】.mp4 [80.2 MB]
10-2 Agent Skills就是个专属工作流【完整资源访问:kebaiwan.net】.mp4 [38.4 MB]
10-6 总结Agent从助手到自主协作的进化过程【完整资源访问:kebaiwan.net】.mp4 [53.2 MB]
10-5 Skills的文件结构标准【完整资源访问:kebaiwan.net】.mp4 [74.6 MB]
📁 第7章 Graph 搭建旅游规划工作流,像拼积木一样轻松
7-10 SpringAi Alibaba1.1的Graph引擎【完整资源访问:kebaiwan.net】.mp4 [28.1 MB]
7-8 Flux就是装载SSE流式数据的容器【完整资源访问:kebaiwan.net】.mp4 [54.0 MB]
7-13 总结Agent和Graph分别构建的工作流【完整资源访问:kebaiwan.net】.mp4 [57.8 MB]
7-6 编译及运行工作流【完整资源访问:kebaiwan.net】.mp4 [73.0 MB]
7-2 搭建工作流的记忆中枢:OverAllState【完整资源访问:kebaiwan.net】.mp4 [75.9 MB]
7-7 图形化展示工作流【完整资源访问:kebaiwan.net】.mp4 [55.7 MB]
7-9 Flux包装SSE返回给前端展示打字机输出效果【完整资源访问:kebaiwan.net】.mp4 [110.8 MB]
7-12 基于Graph搭建旅游规划工作流【完整资源访问:kebaiwan.net】.mp4 [119.3 MB]
7-5 搭建工作流的流程顺序:Edge【完整资源访问:kebaiwan.net】.mp4 [32.8 MB]
7-4 搭建工作流的执行单元:NodeAction【完整资源访问:kebaiwan.net】.mp4 [107.2 MB]
7-3 搭建工作流的框架蓝图:StateGraph【完整资源访问:kebaiwan.net】.mp4 [62.7 MB]
7-1 以工作流方式编排旅行规划的团队协同【完整资源访问:kebaiwan.net】.mp4 [52.7 MB]
7-11 SpringAi 1.1的工作流状态更新【完整资源访问:kebaiwan.net】.mp4 [61.8 MB]
📁 第2章 大白话快速简单过一遍 Ai 大模型
2-5 大模型是弹药库,智能体则是武器【完整资源访问:kebaiwan.net】.mp4 [57.7 MB]
2-2 大模型的信息分析器:Transformer层【完整资源访问:kebaiwan.net】.mp4 [76.1 MB]
2-1 大模型咋就懂咱说啥 ?【完整资源访问:kebaiwan.net】.mp4 [37.5 MB]
2-4 大模型的回应咋就这么体贴呢【完整资源访问:kebaiwan.net】.mp4 [47.7 MB]
2-3 大模型的大脑中枢:自注意力机制【完整资源访问:kebaiwan.net】.mp4 [58.0 MB]
📁 第4章 SpringAi 1.1 实现 MCP+A2A
4-13 SpringAi 1.1 A2A的服务注册【完整资源访问:kebaiwan.net】.mp4 [80.4 MB]
4-1 以bom方式导入SpringAi Alibaba依赖【完整资源访问:kebaiwan.net】.mp4 [75.7 MB]
4-12 SpringAi 1.1 MCP注解:全新的MCP实现【完整资源访问:kebaiwan.net】.mp4 [71.4 MB]
4-7 线程不会被卡住:WebFlux框架【完整资源访问:kebaiwan.net】.mp4 [77.8 MB]
4-10 SpringAi 1.1 整合MCP【完整资源访问:kebaiwan.net】.mp4 [85.7 MB]
4-11 SpringAi 1.1 A2A的3个核心组件【完整资源访问:kebaiwan.net】.mp4 [43.4 MB]
4-3 MCP能连接万物的原因:通信的分层设计【完整资源访问:kebaiwan.net】.mp4 [89.6 MB]
4-4 MCP的通信:SSE实时传输【完整资源访问:kebaiwan.net】.mp4 [73.7 MB]
4-8 Jmanus导入SpringAi自定义的MCP服务【完整资源访问:kebaiwan.net】.mp4 [39.5 MB]
4-15 SpringAi 1.1 A2A的元数据AgentCard【完整资源访问:kebaiwan.net】.mp4 [130.8 MB]
4-16 测试 SpringAi 1.1 实现的 A2A 协议【完整资源访问:kebaiwan.net】.mp4 [126.6 MB]
4-2 导入MCP依赖【完整资源访问:kebaiwan.net】.mp4 [56.3 MB]
4-9 SpringAi Alibaba 1.1 以bom方式导入依赖【完整资源访问:kebaiwan.net】.mp4 [54.3 MB]
4-14 SpringAi 1.1 A2A的服务发现【完整资源访问:kebaiwan.net】.mp4 [106.3 MB]
4-6 将MCP工具注册到MCP服务【完整资源访问:kebaiwan.net】.mp4 [58.1 MB]
4-5 创建MCP工具【完整资源访问:kebaiwan.net】.mp4 [55.9 MB]
📁 第3章 MCP + Skills,Agent“工具+技能”的双轮驱动
3-2 困境解决方案:函数调用( Function Calling )【完整资源访问:kebaiwan.net】.mp4 [48.8 MB]
3-3 Function Calling就是大模型的跑腿小弟【完整资源访问:kebaiwan.net】.mp4 [83.4 MB]
3-6 体验MCP:Jmanus配置MCP服务【完整资源访问:kebaiwan.net】.mp4 [69.3 MB]
3-7 具有专业知识的Agent Skills【完整资源访问:kebaiwan.net】.mp4 [32.9 MB]
3-11 主流的多Agent开发框架【完整资源访问:kebaiwan.net】.mp4 [46.5 MB]
3-9 搞定复杂活儿,得靠多个Agent协作【完整资源访问:kebaiwan.net】.mp4 [47.4 MB]
3-5 对比Function Calling,MCP的不同【完整资源访问:kebaiwan.net】.mp4 [75.0 MB]
3-10 多Agent跨部门协作:A2A协议【完整资源访问:kebaiwan.net】.mp4 [63.0 MB]
3-8 工具调用最强组合:Agent Skills+MCP【完整资源访问:kebaiwan.net】.mp4 [50.4 MB]
3-12 多Agent的核心执行流程【完整资源访问:kebaiwan.net】.mp4 [42.2 MB]
3-1 大模型困境:数据获取与整合上 的“抓瞎”【完整资源访问:kebaiwan.net】.mp4 [40.2 MB]
3-4 更优的困境解决方案: MCP【完整资源访问:kebaiwan.net】.mp4 [56.5 MB]
📁 第1章 AI 正式进入多 Agent 协作和自主决策的时代
1-5 准备工作:安装Nacos 3【完整资源访问:kebaiwan.net】.mp4 [16.9 MB]
1-6 仿Manus能自主决策的框架:Jmanus【完整资源访问:kebaiwan.net】.mp4 [84.6 MB]
1-1 多Agent融合自主决策,AI发展的必然趋势【完整资源访问:kebaiwan.net】.mp4 [67.0 MB]
1-2 准备工作:安装ApiFox【完整资源访问:kebaiwan.net】.mp4 [25.9 MB]
1-7 具备ReAct核心能力的框架:AgentScope【完整资源访问:kebaiwan.net】.mp4 [45.1 MB]
1-4 准备工作:百度地图API秘钥(AK)【完整资源访问:kebaiwan.net】.mp4 [16.7 MB]
1-3 准备工作:配置阿里大模型广场的ApiKey【完整资源访问:kebaiwan.net】.mp4 [28.6 MB]
📁 第13章 旅游规划优化,监控,部署
13-2 主管Agent暴露和用户交互的接口【完整资源访问:kebaiwan.net】.mp4 [18.7 MB]
13-4 旅游规划Agent团队集成Agent追踪观测【完整资源访问:kebaiwan.net】.mp4 [35.4 MB]
13-7 测试路线制定专员规划最优驾车路线【完整资源访问:kebaiwan.net】.mp4 [46.7 MB]
13-6 旅游规划打印出Agent的深度思考【完整资源访问:kebaiwan.net】.mp4 [24.1 MB]
13-1 敏感资源处理方案【完整资源访问:kebaiwan.net】.mp4 [32.9 MB]
13-3 docker搭建Agent跟踪和Token消费分析【完整资源访问:kebaiwan.net】.mp4 [21.2 MB]
13-8 课程总结【完整资源访问:kebaiwan.net】.mp4 [32.0 MB]
13-5 测试主管Agent接收Prompt及结构化输出【完整资源访问:kebaiwan.net】.mp4 [39.2 MB]
📁 代码
📁 解压密码必看说明
解压密码必看.txt [145.0 B]
一切与IT有关的教程.txt [70.0 B]
全网最大的免费IT学习资源社区.url [177.0 B]
海量免费资源访问课百万:kebaiwan.net.url [182.0 B]
下载说明.txt [288.0 B]适合人群
- AI应用开发者
- 旅游行业从业者
- AI爱好者
学习收获
掌握AI Agent协同工作原理
学会旅游规划AI应用开发
提升AI在复杂任务中的应用能力
祝您学习愉快!
学有所成,前程似锦!






