构建AI智能体：五十六、从链到图：LangGraph解析--构建智能AI工作流的艺术工具
本文介绍了LangGraph这一基于LangChain的库，它突破了传统线性链式开发的局限，通过图计算模型实现复杂AI应用的构建。LangGraph的核心优势在于：1）支持动态图结构，实现循环和条件路由；2）内置状态管理，维护应用数据流；3）天然支持多智能体协作。与传统开发方式相比，LangGraph通过节点、边和状态的抽象，提供了更清晰的业务逻辑表达、更健壮的错误处理、更好的可观测性，以及更便捷的团队协作和功能扩展能力。
解锁京东API，实时掌握商品价格动态，定价策略更灵活！
本文详解如何利用京东API（jd.union.open.goods.price.query）实现实时价格监控，涵盖API接入、数据获取、存储分析及动态定价策略。通过构建监控系统，企业可快速响应竞品调价、优化库存、提升转化率，结合InfluxDB与预测模型，助力电商精细化运营，已验证提升销售额37%。
构建AI智能体：四十八、从单体智能到群体智能：A2A协议如何重塑人机协作新范式
本文介绍了基于A2A（Agent-to-Agent）协议的智能代理系统在篮球赛安排中的应用。该系统通过多代理协作（天气、场地、日历、通知代理）实现自动化决策，相比传统API具有动态发现、语义化描述和自主决策优势。文章详细阐述了单代理（天气查询）到多代理系统的演进过程，展示了A2A协议在服务发现、任务标准化和安全通信方面的核心技术特性。该系统采用分级决策机制，优先检查天气安全条件，再验证场地和参与者可用性，最后触发通知流程，体现了分布式智能的协同效应和业务敏捷性。
AI爱好者必看！目前主流的智能体有哪些类型？从技术到应用一文讲透
AI智能体正悄然改变生活与工作：从智能音箱提醒天气，到导航避堵、办公助手整理待办，其背后是能感知、决策、执行的“数字员工”。2025年全球市场规模将超2000亿美元。本文通俗解析四大主流类型——反应式、目标驱动型、认知增强型与多智能体协同系统，揭示它们如何从执行到协作，逐步实现自主闭环，赋能消费与企业场景，推动人机协同的智能未来。
构建AI智能体：四十七、Agent2Agent多智能体系统：基础通信与任务协作实现
摘要：Agent2Agent（A2A）是一个促进多智能体间通信与协作的框架，通过标准化协议实现复杂问题求解。智能体具备自主性、社交能力等特征，分为反应型、慎思型等类型。框架提供四种协作模式和多种冲突解决机制，采用消息传递方式进行通信，包含传输层、任务分配器等组件。演示案例展示了任务管理器与工作者智能体之间的任务分配与执行流程，包括问候交互、任务创建、结果反馈等环节。该框架适用于分布式系统管理、多模态AI协作等场景，为构建智能自治系统提供基础支持。示例代码实现了智能体注册、消息传递和任务处理的核心功能。
AI 十大论文精讲（六）：拆解 LLM 智能体的 “通用密码”
本文解读复旦NLP团队2023年重磅综述《The Rise and Potential of Large Language Model Based Agents》，系统剖析LLM智能体“大脑-感知-行动”三大核心模块，涵盖单智能体、多智能体、人机协作与智能体社群四大应用场景，提炼工具SKMA体系、安全护栏、结果检查三大落地要点，并提出AGI路径、虚拟到物理迁移等开放问题，为构建通用智能体提供统一范式，被誉为该领域“入门圣经”。
