多 Agent+Skills+SpringAI 构建自主决策智能体（13章完结）

这门课的主题很明确：用 SpringAI 搭一套多 Agent 协作系统，并让 Agent 具备自主决策能力。它不覆盖大模型训练、微调，也不教算法推导，落点在工程实现——怎么把多个 Agent 组织起来、怎么让它们各司其职又互相配合、怎么用 Skills 约束它们按专业流程干活。判断值不值得学，关键看你手头有没有类似场景：一个任务需要拆成多步、每步适合交给不同的角色处理，单靠一次提示词说不清楚，这种时候多 Agent 才有意义。

它解决的是哪类工作问题

现实中很多需求不是一问一答能完成的。比如做一份出行规划，要查交通、比价格、排日程、算预算，还要根据用户临时改动重新调整。用单个 Agent 硬扛，容易上下文混乱、步骤漏掉、结果不可控。这门课给出的思路是拆：用 MCP 解决工具调用，用 Skills 把专业流程固化下来，用 SubAgent 承接细分职责，再让上层 Agent 做协调和决策。学完之后你能理解一套多 Agent 的职责划分方式，而不是只会写一个提示词模板。

课程后半段用一个完整的协作场景贯穿，从团队分工一直做到优化和监控部署。这条线的好处是把前面零散的概念串成了可运行的整体，你能看到 Agent 之间怎么传递任务、失败怎么兜底、上线后怎么观察运行状态。这部分对转行者尤其有用，因为面试里讲清楚一个完整项目，比罗列 API 更有说服力。

适合什么基础，先看哪几块

需要你有 Java 和 Spring 的基本使用经验，能读懂注解、依赖注入和常见配置；对 HTTP 调用、JSON 处理不陌生。大模型部分课程从基础讲起，没有 AI 背景也能跟上，但如果你完全没写过 Java 项目，前期会吃力，建议先补 Spring Boot 再回来。

学习顺序上，建议先过前两章建立整体认知，不要跳过，它们决定了你后面理解 Agent 协作的框架。然后重点放在 MCP 与 Skills 这两块，它们是这门课区别于普通提示词教程的核心——工具怎么接、技能怎么定义、流程怎么约束，直接决定系统能不能稳定工作。SubAgent 和协作章节可以放在有了前两块基础之后再啃，否则容易只记住概念、写不出代码。最后的优化监控部分，第一遍可以快速浏览，等自己动手跑通主流程后再回头细看。

学完能独立做什么，资料怎么用

比较现实的目标是：你能独立设计并实现一个多 Agent 的小型系统，把任务拆给不同角色，接上外部工具，让流程按预设技能执行，并能对运行过程做基本的监控和调整。这足以支撑一个个人项目或团队内部工具，也能作为简历里一段讲得清楚的技术经历。但它不会让你变成大模型算法工程师，方向不同，别抱错预期。

资料配合练习的方式建议是：每学完一个模块，先不看参考实现，自己按理解写一遍最小可运行版本，再对照调整。多 Agent 的难点往往不在代码本身，而在职责边界和流程设计，只有自己动手拆一次才会暴露问题。遇到卡壳的地方，优先回头确认工具调用和技能定义这两层是否对齐，多数故障都出在这里。整套内容十三章节，按每周两到三章的节奏推进比较稳，留出动手时间比赶进度更重要。