黑马程序员 -AI大模型RAG与Agent智能体开发项目课程

这门课的主题很明确：用大模型 API 和本地模型，把 RAG（检索增强生成）和 Agent（智能体）这两类应用真正写出来。它不教你训练模型，也不讲论文推导，落点在于"怎么把模型接进一个能跑的项目里"。如果你现在的困惑是"会调 ChatGPT 网页版，但不知道怎么写进自己的程序"，或者"公司要做个内部知识库问答，不知道从哪下手"，这门课对应的就是这类场景。

先确认它解决的是哪类问题

RAG 解决的是模型不知道你私有资料的问题。把文档切块、向量化、存进向量库，提问时先检索再交给模型回答，这是目前企业落地最多的一条路径。Agent 解决的是模型只能"说"不能"做"的问题，让它去调用工具、查数据、按步骤完成任务。这两块合起来，基本覆盖了当下大模型应用开发的主要工作面。课程从接入云端模型讲起，再讲本地模型调用，这个顺序对新手比较友好——先用现成 API 跑通链路，再考虑本地部署的成本和隐私问题。前置部分还专门讲了怎么用环境变量管理密钥，这是个容易被忽略但很实际的细节，密钥硬编码进代码是新手最常见的坑。

适合什么基础，建议按什么顺序看

需要你至少能读懂 Python 代码，知道函数、类、依赖安装是怎么回事。完全没写过代码的话，这门课会偏吃力，建议先补 Python 基础再来。反过来，如果你已经做过 Web 后端开发，那上手会很快，重点放在向量检索和 Agent 编排这两块新东西上。

看的时候建议不要按顺序平推。先把模型调用那几节过一遍，确保自己能成功发出一次请求、拿到返回结果，这一步通了后面的内容才有意义。然后重点看 RAG 的完整链路：文档怎么切、向量怎么存、检索结果怎么拼进提示词。Agent 部分放在后面，因为它依赖你对模型调用和工具定义都已经熟悉。项目实战环节不要只看，跟着敲一遍，尤其是调试环节——检索召回不准、模型不按格式输出，这些问题的排查经验比代码本身更值钱。

学完能独立做什么，资料怎么用

比较现实的预期是：你能独立搭出一个基于自己文档的问答应用，能接入至少一种云端模型和一种本地模型，能写出一个会调用外部工具的简单智能体。这些足够支撑一个内部工具或作品集项目，但不要指望学完就能做复杂的多智能体系统，那需要更多工程经验。

资料里的视频建议配合一个自己的小项目来消化，比如拿你手头的行业资料做一个问答 demo。每学完一个模块就往自己的项目里加一块，比单纯跟练更容易记住。遇到跑不通的地方，优先检查模型接口的返回格式和密钥配置，这两处出问题的概率最高。