本文主要介绍Google于2025年4月9日发布的Agent2Agent Protocol（简称“A2A”），这是一个旨在促进不同类型智能体（Agent）之间高效沟通与协作的开放协议。
大模型推动客服智能化演进，从规则引擎到RAG，再到AI原生智能体。通过构建“评估-诊断-优化”闭环的运营Agent，实现对话效果自动化评测与持续优化，显著提升服务质量和效率。
本课程是阿里云百炼平台的第二天课程内容，旨在帮助用户了解如何通过阿里云百炼构建和发布自己的AI应用。介绍了如何利用大模型和智能体应用来创建具备强大语言理解和生成能力的AI助手，并通过不同的渠道（如网站、钉钉、微信公众号等）发布这些应用。
本文介绍了如何使用 Nacos 3.0.1 与 Higress 配合，实现 HTTP 服务转化为 MCP 协议服务，并支持自动注册与代理。通过 Docker 部署环境，结合 Spring AI Alibaba 框架，可实现服务的自动暴露和动态配置管理，适用于零改造存量应用适配 MCP 协议的场景。
本文深入探讨了Model Context Protocol (MCP) 在企业级环境中的部署与管理挑战，详细解析了五种主流MCP架构模式（直连远程、代理连接远程、直连本地、本地代理连接本地、混合模式）的优缺点及适用场景，并结合Nacos服务治理框架，提供了实用的企业级MCP部署指南。通过Nacos MCP Router，实现MCP服务的统一管理和智能路由，助力金融、互联网、制造等行业根据数据安全、性能需求和扩展性要求选择合适架构。文章还展望了MCP在企业落地的关键方向，包括中心化注册、软件供应链控制和安全访问等完整解决方案。
在 AI 时代，若你还在紧盯代码量、执着于全栈工程师的招聘，或者仅凭技术贡献率来评判价值，执着于业务提效的比例而忽略产研价值，你很可能已经被所谓的“常识”困住了脚步。
在大模型推理迈向“智能体时代”的今天，KVCache 已从性能优化手段升级为系统级基础设施，“显存内缓存”模式在长上下文、多轮交互等场景下难以为继，而“以存代算”的多级 KVCache 架构虽突破了容量瓶颈，却引入了一个由模型结构、硬件平台、推理引擎与缓存策略等因素交织而成的高维配置空间。如何在满足 SLO（如延迟、吞吐等服务等级目标）的前提下，找到“时延–吞吐–成本”的最优平衡点，成为规模化部署的核心挑战。
本章我们将介绍如何利用大模型开发一个文档比对小工具，我们将用这个工具来给互联网上两篇内容相近但版本不同的文档找找茬，并且我们提供了一种批处理文档比对的方案
