迪哥-2025Ai必会Agent应用解读项目实战精讲班

这门课围绕 Agent 应用展开，核心不是讲大模型原理，而是把微调、RAG、知识图谱这几块拼成一个能跑起来的智能体项目。如果你已经能调用大模型接口，但做出来的东西总停在"问答玩具"阶段，不知道怎么做成有记忆、能查资料、会调用工具的完整应用，这门课值得先看目录再决定。

它解决的是"会调 API 但做不出成品"的问题

很多人学大模型卡在中间层：提示词会写，接口会调，可一旦要处理企业文档、多轮追问、外部数据检索，就不知道怎么组织。这门课针对的就是这个断层——把 RAG 的检索链路、微调的数据准备、知识图谱的结构化补充串起来，落到一个 Agent 项目里。它不承诺学完就能拿高薪，也不保证你成为算法工程师，但能让你明白一个可用的 Agent 在工程上由哪些部分构成、每部分常见的坑在哪。适合有 Python 基础、能看懂基本深度学习概念的人；完全没写过代码、指望零基础上手的，先补编程更实际。纯做产品、不需要自己实现的人，看前几节建立认知即可。

建议先看哪几块，顺序怎么排

不要从头顺着看。先跳到 RAG 搭建那部分，这是 Agent 处理私有知识最常用的手段，也是最能立刻用在工作里的模块，理解切分、向量化、召回、重排这条链路。接着看知识图谱应用，重点不是图数据库本身，而是什么场景下检索不够、需要结构化关系来补。最后再回到微调，因为微调成本和门槛最高，前面两块的实践会让你更清楚自己的数据到底需不需要微调。项目实战部分建议放在这三块之后当收口，边看边把示例改成自己的数据，而不是只跑通一遍。

学完能独立做什么，资料怎么配合练

按这个顺序走下来，你应该能独立搭一个基于自有文档的问答 Agent，能接入检索、处理多轮对话、在必要时调用外部工具或查询结构化数据，并判断某个需求该用 RAG 还是微调。资料里的代码和讲解要配合练习用：每看完一个模块，自己换一份数据重跑，比如把示例文档换成你的行业资料，观察召回质量变化。微调部分不要只跑通脚本，重点看数据格式和评估方式。整门课的价值取决于你动手改了多少，光看不练，学完还是停在"知道有这些技术"的层面。