黑马 -AI大模型RAG与Agent智能体开发项目课程

这门课的名字里有两个关键词：RAG 和 Agent。它们对应的是当前大模型落地时最常见的两类工程问题——怎么让模型答得出私有的、更新频繁的知识，以及怎么让模型不只是聊天，而是能调用工具、分步骤把一件事做完。如果你已经在用大模型 API 写点小脚本，但一到"接公司文档""做个能自己查资料的助手"就卡住，这门课针对的就是这个断层。

它解决的是"从会调到会做"的问题

很多人学大模型，停在会写提示词、会调接口返回一段文本。但真实工作场景里，需求往往是"把我们这批产品文档变成能问答的客服""让模型自己去查数据再出结论"。这中间隔着检索、切分、向量化、召回排序、上下文拼装、工具调用与流程编排等一整套工程动作。课程把提示词工程单独作为起点，再进入 RAG 项目，最后落到 Agent 智能体，顺序上是先解决"怎么问得准"，再解决"怎么喂得对"，最后解决"怎么让它自己动起来"。三块内容对应三种不同的工作产出，不是同一件事讲三遍。

适合什么基础，先看哪几块

它不要求你有算法背景，但需要你能读懂 Python 代码、知道 HTTP 请求和 JSON 是什么，最好自己跑通过一次大模型接口调用。如果完全没有编程经验，直接上手 RAG 部分会比较吃力，建议先把提示词工程那块吃透，至少理解上下文窗口、角色设定、少样本示例这些概念，再往后走。

看的时候建议按"提示词工程 → RAG 项目 → Agent"的顺序，但不必平均用力。提示词部分是后面所有环节的地基，RAG 部分是全课的重心，Agent 部分更偏向思路和流程设计。资料里给的示例数据规模很小，别指望拿来直接训练，它的作用是让你把整条链路跑通一遍，理解每一步的输入输出长什么样。

学完能独立做什么，资料怎么配合练

比较现实的目标是：你能独立搭一个基于自己文档的问答demo，从读取文件、切分、生成向量、检索到拼进提示词让模型作答，整条链路自己写得出来；再进一步，你能设计一个带工具调用的简单智能体，比如让它先查数据再决定下一步动作，而不是一次性把问题丢给模型。这两件事在不少岗位的面试和实际工作中都是硬通货。

练习方式上，别只跟着课件看。把示例数据换成你自己手头的一批文档——工作里的规范、产品说明、笔记都行，重新走一遍切分和检索，观察换不同的切分粒度、不同的召回条数时，回答质量怎么变。这种"换个数据重跑一遍"的动作，比多看两节视频有用得多。Agent 部分同理，先照着跑通，再把工具换成你实际需要的一个接口，看流程会不会断。

整体判断：这是一门偏工程实践的课，价值在于把散落的概念串成一条能落地的链路。如果你正卡在"会用大模型但做不出东西"的阶段，它值得花时间；如果你连 Python 都还不熟，先补基础再来，别指望它替你跨过编程这一关。