rk0997-黑马-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：用大模型做 RAG（检索增强生成）和 Agent 智能体开发。它不是讲大模型原理的课，而是讲怎么把现成的模型接口用起来，接到自己的数据和业务上。如果你所在团队接到"给内部文档加个问答"或者"做个能调工具的小助手"这类需求，而这正好是你没做过的，那它的定位就对得上。

它解决的是哪类工作场景

实际工作里最常见的两个卡点，这门课都覆盖了。第一个是模型答不准、答不出自家内容——通用模型没读过你的产品手册、制度文档、历史工单，直接问就是编。RAG 要解决的就是这件事：把资料切块、向量化、存进检索库，提问时先召回相关片段再交给模型组织答案，让输出有出处、可核对。第二个是模型只会说不会做——Agent 要解决的是让模型能调用外部工具、按步骤完成任务，比如查数据、发请求、多轮追问后给出结论。课程按提示词工程、RAG 开发、RAG 项目三段推进，前一段是后两段的地基，提示词写不清楚，后面检索回来的内容也组织不好。

适合什么基础，先看哪几块

需要你能读懂 Python 代码，知道函数、类、HTTP 请求是怎么回事，会用命令行装包。不需要你有机器学习背景，也不要求你训练过模型——这门课从头到尾是调用和工程编排，不是训模型。如果你完全没写过代码，建议先补 Python 基础再来，否则中间会卡在环境配置上。

建议的观看顺序是跟着三段走，但重点分配可以调整。提示词工程部分不要跳，很多人觉得这块"太简单"，结果后面检索结果塞进上下文时不会控制格式和约束，答案质量一直上不去。RAG 开发部分是核心，重点看文档切分策略、向量检索、召回后怎么拼上下文这几步，这几步的取舍直接决定效果。最后的项目部分用来把前面零散的知识串成一条完整链路，看的时候对照自己手头的资料想：如果换成我的文档，哪一步会出问题。

学完能独立做什么，资料怎么配合练

学完之后，你应该能独立搭起一个可用的文档问答服务：准备数据、建索引、写检索和生成逻辑、处理多轮对话，并能定位"答得不好"是出在切分、召回还是提示词上。Agent 部分则对应能做出一个会调用工具的小助手，理解任务拆解和工具描述该怎么写。这两件事在招聘里都是能拿出来讲的具体经验，比"了解大模型"这种描述实在得多。

资料里的讲义适合当索引，不要指望看一遍就记住，边看边把关键配置和代码片段记成自己的笔记更有效。真正的练习在于换数据：用课程示例跑通一遍之后，立刻换成你自己熟悉的一批文档重做一次，比如公司制度、某个产品的说明、你收藏的一批技术文章。换数据的过程会暴露大量示例里遇不到的问题——格式乱、内容重复、检索不到，这些才是实际工作里的常态。项目部分建议至少完整手敲一遍，不要只看讲解，调通过一次和看懂一次是两回事。

最后提醒一点：这门课给的是方法和流程，不是一套能直接上线的成品。学完能独立做出原型，但真要用于生产，还需要考虑权限、更新、成本这些工程问题，心里有数就好。