rk1011-多 Agent+Skills+SpringAI 构建自主决策智能体网盘资源免费观看百度云网盘链接提取码分享

• file:4-15 SpringAi 1.1 A2A的元数据AgentCard.mp4
• file:4-6 将MCP工具注册到MCP服务.mp4
• file:4-8 Jmanus导入SpringAi自定义的MCP服务.mp4
• file:4-4 MCP的通信：SSE实时传输.mp4
• file:4-9 SpringAi Alibaba 1.1 以bom方式导入依赖.mp4
• file:4-7 线程不会被卡住：WebFlux框架.mp4
• file:9-2 分布式Agent自主旅游规划的架构思路.mp4
• file:9-7 计划和执行中的事件拦截：Hook.mp4
• file:9-4 创建不同节点的ReAct Agent.mp4
• file:9-10 远程Agent封装为工具执行子任务.mp4
• file:9-3 SpringBoot 4 和 AgentScope 的整合.mp4
• file:9-9 团队成员的智能体卡片注册到Nacos.mp4
• file:9-1 AgentScope搭建工程化的分布式Agent协同.mp4
• file:9-8 主管Agent分发任务给相应Agent.mp4
• file:9-6 自主分解任务的关键：PlanNotebook.mp4
• file:6-2 SpringBoot整合SpringAi Alibaba.mp4
• file:6-14 长下文能取代RAG吗 ？.mp4
• file:6-5 ChatClient流式响应获取数据 (SSE).mp4
• file:6-13 RAG只是一个过渡阶段吗 ？.mp4
• file:6-4 和大模型互动的窗口：ChatClient对象.mp4
• file:6-12 大模型调用本地自定义的MCP服务.mp4
• file:3-7 具有专业知识的Agent Skills.mp4
• file:3-4 更优的困境解决方案： MCP.mp4
• file:3-11 主流的多Agent开发框架.mp4
• file:3-9 搞定复杂活儿，得靠多个Agent协作.mp4
• file:3-1 大模型困境：数据获取与整合上 的“抓瞎”.mp4
• file:3-3 Function Calling就是大模型的跑腿小弟.mp4
• file:3-10 多Agent跨部门协作：A2A协议.mp4
• file:3-2 困境解决方案：函数调用( Function Calling ).mp4
• file:5-5 Agent团队和大模型的无缝协作.mp4
• file:5-6 百度地图MCP提供的工具体系全景.mp4
• file:5-1 旅行规划的复合任务拆解.mp4
• file:5-4 团队成员：费用统筹管家Agent.mp4
• file:8-7 PlanAct是全局流程规划的主管.mp4
• file:8-5 Manus是自主决策的Ai Agent.mp4
• file:8-9 JManus的文件架构以及Prompt提交入口.mp4
• file:8-8 ReAct是灵活应变的基层执行者.mp4
• file:8-6 OpenManus复刻Manus的架构思路.mp4
• file:8-13 不同的执行者调用不同的执行流程.mp4
• file:8-10 JManus的核心：计划协调器.mp4
• file:8-2 多Agent设计思路 冲突协商.mp4
• file:8-4 Manus多Agent的技术架构.mp4