唐宇迪 《Agent实战课程》

这门课解决什么问题

很多人学大模型，卡在“会调 API，但做不出一个能用的东西”。唐宇迪这门 Agent 实战课，针对的正是这个断层：怎么把一个只会聊天的模型，变成能查资料、能调外部接口、能挂上自己业务数据的智能体。课程里反复出现的场景很具体——给企业做专属客服、把本地文档变成可检索的知识库、让模型在回答前先去外部系统取数。这些不是演示性质的玩具，而是实际项目里最常见的三类需求。如果你现在的工作涉及客服系统、内部知识管理、或者要给业务方交付一个“能问答”的工具，这门课的内容基本对得上。

适合什么基础，先看哪几块

课程定位偏实战，但不代表零基础能直接跳。建议至少写过 Python，知道什么是 HTTP 请求、JSON 返回，能看懂基本的接口文档；对大模型有一点使用经验，比如用过对话接口、了解提示词大概怎么写。如果完全没碰过代码，前面几节会跟得比较吃力，需要先补一下 Python 基础。

按投入产出比排，建议先看知识库那部分。它解决的是“让模型基于我自己的资料回答”这个刚需，链路相对闭环：文档怎么切分、怎么向量化、怎么检索、最后怎么封装成接口给别的系统调用。走完一遍，你对 RAG 的整体流程就有实感了，而不是停留在概念上。

接着看客服智能体部分，重点是前后端怎么配合、外部 API 怎么接入、提示词怎么按业务指令去约束模型行为。这两块吃透，再回头看其他内容会顺很多。整体节奏是先跑通一条链路，再补细节，不建议从头顺着目录一节节啃。

学完能独立做什么，资料怎么配合练

学完比较现实的目标是：你能独立搭一个基于自己领域资料的问答助手，把文档灌进去、把检索和生成串起来、对外暴露一个接口，让前端或者别的系统调用；也能给这个助手接上外部数据源，让它在回答时去查实时信息，而不是只靠模型记忆。这个能力在中小项目里已经够交付了。

练习上，别只看视频。每看完一个模块，拿自己手头真实的资料去跑——公司文档、产品手册、常见问题都行，规模不用大，几十页就够暴露问题。重点观察两件事：检索回来的内容对不对，模型有没有按你给的指令去组织回答。这两处出问题，基本就是切分策略和提示词要调。外部接口那部分，建议自己找一个免费的公开 API 接进去试，走通一次请求、解析、再喂给模型的完整流程，比看十遍讲解都管用。资料里的演示项目可以当参照，但真正让你学会的是自己动手改坏再修好的过程。