黑马 - AI大模型RAG与Agent智能体开发项目课

这门课的主题很明确：用大模型 API 搭出能跑起来的 RAG 检索问答和 Agent 智能体。它面对的不是"我想了解一下 AI"，而是更具体的处境——你手上有一批文档、知识库或业务数据，想让模型基于这些内容回答问题，而不是靠它自己瞎编；或者你想让模型自己去调工具、分步骤完成任务。这两件事在企业里是真实存在的需求，也是目前招聘 JD 里出现频率很高的部分。

它解决的是什么问题，适合什么基础

课程从提示词工程讲起，然后是 OpenAI 库的基础调用，再进入 RAG 开发，最后落到一个完整的 RAG 项目。这条线的逻辑是：先学会怎么把话说清楚让模型听懂，再学会用代码把模型接进程序里，然后解决"模型不知道我的资料"这个问题，最后把前面所有东西组装成一个能交付的东西。如果你之前只是用网页版聊天，没写过调用 API 的代码，前面的部分会帮你把这条链路补上。

基础要求上，它需要你能读懂 Python 代码，至少知道函数、列表、字典、类的概念，能自己装环境、跑脚本。课程资料里带了 Python、Miniconda 和 PyCharm 的安装包，说明默认你可能连环境都还没配好，这部分会带你走一遍。但如果你完全没写过代码，直接上这门课会吃力，建议先把 Python 基础语法过一遍再来。反过来，如果你已经做过一两个 LangChain 或类似框架的小项目，前面几块可以快速跳过，重点看 RAG 和 Agent 的实现细节。

建议先看哪几块，学完能独立做什么

时间有限的话，建议按这个顺序：先看提示词工程，因为后面所有环节都依赖你能不能写出有效的指令；然后看 OpenAI 库的基础使用，这是把模型接入代码的最短路径，理解了它，后面换任何模型或框架都不会慌；接着进入 RAG 开发，这是整门课的核心，重点理解文档怎么切分、向量怎么存、检索结果怎么拼进提示词；最后跟着 RAG 项目把整个流程走一遍。Agent 部分如果课程里有涉及，放在 RAG 之后看，因为它通常需要你对工具调用和流程编排有基本概念。

学完之后，你应该能独立做这几件事：把一批 PDF 或文本资料处理成可检索的知识库，写一个能基于这些资料回答问题的接口或简单界面；能判断一次回答不准是检索的问题还是提示词的问题，并知道去哪里调；能看懂一个 RAG 项目的代码结构，在别人搭好的框架上改需求。这些能力对应的是"能上手干活"，不是"能架构整套系统"，这个预期要放准。

资料怎么配合练习

视频和 PPT 是主线，但真正让你学会的是自己动手跑一遍。建议每看完一块，就用自己的数据替换掉课程里的示例数据——比如拿你公司的产品文档、你正在学的某本教材，做一次完整的切分、入库、检索、问答。数据资料和项目文件夹里的内容，不要只当参考，要当成"我能不能复现出来"的检验标准。环境安装包和编辑器放在那里是为了降低起步门槛，装好之后就不要反复折腾环境，把时间花在调检索效果和提示词上。遇到报错先看报错信息，再回去对照代码，这个过程本身就是这门课最有价值的部分。