黑马程序员- AI大模型RAG与Agent智能体开发项目课程

如果你已经能用大模型做基本的对话调用，但一到公司真实场景就卡壳——比如让模型回答内部文档里的问题，它开始一本正经地编；或者想让它自动查资料、调接口、分步骤完成任务，却不知道从哪下手——这门课针对的就是这两类问题：检索增强生成（RAG）和智能体（Agent）开发。

它解决的是"能用"到"敢用"之间的那段路

直接问大模型公司内部制度、产品参数、历史工单，答案往往不可靠，因为模型没见过这些资料。RAG 要解决的就是把外部知识接进模型：先把文档切分、向量化、存进向量库，用户提问时先检索出相关片段，再拼进提示词交给模型作答。这套流程听起来简单，真正动手时会遇到切分粒度怎么定、检索结果怎么排序、召回不准怎么调等一堆细节。Agent 则是另一个方向：让模型不只是回答，而是能判断该调用哪个工具、按什么顺序执行、拿到结果后如何继续。课程把这两块放在一起讲，是因为实际项目里它们经常配合出现——Agent 负责调度，RAG 负责给它提供可靠的知识来源。

适合什么基础，先看哪几块

需要你能看懂 Python 代码，知道怎么发 HTTP 请求、处理 JSON，对函数和类不陌生。不需要事先学过机器学习或深度学习，课程不涉及训练模型，重点是调用和工程组织。如果你连 Python 都没写过，建议先补基础再来，否则后面调接口和调试会很吃力。

建议的观看顺序是：先过一遍提示词工程部分，建立"怎么把需求写清楚给模型"的意识，这部分决定了后面 RAG 和 Agent 的上限；接着看 OpenAI 库的基础使用，包括普通调用、流式输出、带历史消息的多轮对话，这是所有后续代码的地基；然后再进入 RAG 开发，重点看文档处理、向量检索、提示词拼装这几段；最后看 Agent 相关的内容，理解工具定义和任务编排的思路。PPT 可以当索引，先扫一遍知道每块讲什么，再对照视频细看。

学完能独立做什么，资料怎么配合练

走完一遍，你应该能独立搭出一个能回答私有文档问题的问答服务，也能写出一个会调用外部工具、按步骤完成任务的简单智能体。具体说，就是能自己完成文档入库、检索调参、提示词组装、接口封装这一整条链路，而不是只会跑通示例代码。

练习建议不要只看不写。每看完一个模块，用自己手头的材料替换掉课程里的示例数据——比如拿一份产品说明书或会议纪要去做检索问答，这样能暴露真实数据里的脏格式、长文本、重复内容等问题，这些恰恰是课程示例里不容易遇到的。流式输出和历史消息那两节，建议自己改一改参数，观察多轮对话里上下文是怎么累积的，理解清楚了对后面 Agent 的状态管理帮助很大。遇到检索结果不准，先别急着换模型，回头检查切分和提示词，多数问题出在这两步。整门课偏工程实践，跟着敲一遍、再自己换个场景重做一遍，比反复看视频有用。