现在做 AI 应用，很多人卡在“调通 API”和“落地可用”之间。你问模型一个问题，它给你一段话，但没法自己查数据、调接口、做判断再行动。这就是单 Agent 的局限。这门课不讲概念，直接解决一个具体问题：如何让多个智能体分工协作，像团队一样完成复杂任务。以旅游规划为例，一个 Agent 负责搜集景点信息，一个负责查交通，一个负责排日程，它们之间需要通信、协商、纠错，最终输出完整方案。如果你还在写“if-else + 大模型调用”的脚本，这门课能帮你跳出这个层级，进入架构设计视角。
适合谁学，先看清楚
这门课不是给纯小白看的。你得先懂 Java，能独立开发 Spring Boot 项目，理解 RESTful 接口、依赖注入这些基础概念。对 AI 部分，你至少用过 OpenAI 或类似大模型 API，知道 prompt 工程的基本逻辑，但不需要懂算法原理。如果你连 Spring 上下文都没搞明白，先回去补基础，这门课不会从零教 Java。它假设你已经是个能干活的后端工程师，现在要学的是怎么把 AI 能力“架构化”，而不是“拼装化”。
建议先看哪几块，怎么练
别一上来就啃多 Agent 协同。先看 ReAct 模式这一节。ReAct 是“推理+行动”的循环，模型先想一步，再执行一个动作（比如调 API），拿到结果后再想下一步。这是所有自主决策的底层逻辑。用课程里的旅游规划例子，手动跑一遍这个循环，观察模型每一步的输出和输入，理解它怎么决定“下一步该查什么”。这一步搞不清楚，后面多 Agent 就是黑盒。
接下来看 Skills 技能封装。课程用 AgentScope 把“查天气”“查酒店”这些能力封装成标准化模块。你要动手改一个 Skill，比如把“查酒店”改成“查酒店+对比价格”，体会模块化带来的复用性。别只看不练，改完跑一遍，看主 Agent 怎么调用这个新 Skill。这一步决定你未来能不能快速扩展系统。
最后才是多 Agent 协同架构。这里用 JManus 引擎，重点看 Agent 之间怎么通信、怎么分工、怎么解决冲突。课程会讲清楚什么时候该拆 Agent，什么时候该合并。你不需要记住所有参数，但要理解设计原则：比如，任务耦合度高就别拆太细，通信开销会吃掉性能。
学完能独立做什么
学完这套，你能独立设计并搭建一个多 Agent 系统，处理像“企业差旅审批”“电商售后自动处理”这类需要多步骤、多角色协作的任务。你不再只是调 API，而是能画出 Agent 拓扑图，定义每个 Agent 的职责、输入输出、协作规则。你能评估一个需求该用单 Agent 还是多 Agent，能控制成本（多 Agent 调用更贵），能调试协作失败的问题（比如两个 Agent 互相等待）。这是从“AI 应用开发者”到“AI 架构工程师”的关键一步。资料里的代码是骨架，你要结合自己公司的业务场景改，比如把旅游规划换成订单处理，逻辑是一样的。
课程目录
多.png (20. 79 KB, ) 2026-3-14 11: 24 上传 课程介绍： 可复用 Agent 方案，ReAct 自主决策 × SpringAI 多 Agent 生态，倍增你的 AI 架构力 20 26 AI Agent 落地大爆发，掌握 " 多 Agent 协同 + 自主决策 + Skills 技能封装 " 的 Java 工程师，身价倍增。本课程以旅游规划为实战场景，SpringAI 生态为技术核心，深度集成 JManus（类 Manus 轻量级多 Agent 协同引擎）与 AgentScope（技能模块化封装利器），手把手带你系统掌握 ReAct 模式、多 Agent 协同架构核心，收获可复用 Agent 落地方案，提升 Agent 分工策略设计 、协同决策工作流 、技能模块化封装等全链路开发能力。专注帮助你从 AI API 调用工程师晋升到多 Agent 架构设计师。 课程目录： ├──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
