AI大模型资料|AI大模型教学视频|电子书

这套资料围绕大模型应用开发展开，主题落在 Agent、RAG、提示词工程以及 HuggingFace、Langchain、LlamaIndex 这几个常用工具链上。它不教你怎么从零训练一个大模型，也不涉及算力集群和预训练细节，而是解决一个更实际的问题：当你已经能调用模型接口，接下来怎么把它做成一个能干活的业务应用。

它对应哪些工作场景

如果你在公司里接到「用大模型做个内部工具」的需求，或者想自己动手做一个能查资料、能调工具、能输出结构化结果的助手，这套内容基本就是为这类任务准备的。典型场景包括：把公司文档接进来做问答、让模型按固定流程处理工单、做一个能自动写工作报告或做推荐的小应用。资料里 Agent 部分占了较大比重，从基础概念讲到与其它 AI 协同方式的区别，再到企业级业务落地，这条线是整包的主干。RAG 和提示词工程则解决「模型不知道你的私有信息」和「输出不稳定」这两个最常见的卡点。

适合什么基础，先看哪几块

需要的前提不多，但要真实具备：能读懂 Python 代码，知道什么是 API 调用，对 JSON、HTTP 有基本概念。如果完全没写过代码，直接看 Agent 实战会卡在环境配置和调试上。至于深度学习理论、Transformer 结构，这里不做要求，也不建议带着「先补完数学」的心态进来。

建议的切入顺序是先看提示词工程和大模型基础，把调用方式和输出控制摸熟；然后进 RAG，理解检索与生成怎么拼接；最后再进 Agent。Langchain、LlamaIndex、HuggingFace 这几个工具不必单独从头啃，跟着 RAG 和 Agent 的实战边用边查效率更高。面试题和学习路线图可以放在动手之后再看，用来查漏，而不是当目录通读。

学完能独立做什么，资料怎么配合练

按这条线走下来，比较现实的产出是：你能独立搭一个带私有知识库的问答应用，能写清楚一套提示词模板并控制模型输出格式，能基于 Agent 框架做一个调用外部工具、按步骤完成任务的小系统。注意这是「能独立做出来并调试通」，不是「能设计一套高并发的大模型平台」，后者需要工程经验积累。

练习上建议以项目为单位推进，不要只看视频。每看完一个实战模块，自己换一个数据源或业务场景重做一遍，比如把美食顾问换成课程顾问，把工作报告换成周报汇总。电子书和课件适合在动手卡住时回头查概念，视频用于看操作节奏，面试题用来检验自己能不能把原理讲清楚。Agent 部分涉及 Coze 这类平台的内容，可以先用低代码方式跑通流程，再回到代码实现，理解会更扎实。

整体判断：这是一套偏应用落地的资料，适合已经会写代码、想把大模型接进实际业务的人。如果你的目标是算法岗或模型训练，它覆盖不到；如果你只是想快速做出一个能用的 AI 工具，它的密度和方向是对得上的。