黑马-AI大模型RAG与Agent智能体开发项目课程

这门课的主题很明确：用大模型做 RAG（检索增强生成）和 Agent（智能体）两类应用开发。它不是讲大模型原理的课，而是讲怎么把模型接上自己的数据、接上工具，做出能跑起来的东西。如果你在公司里被要求"给内部文档做个问答"或者"让系统自动查数据、调接口"，这门课对应的就是这类活。

它解决的是"模型不听话、不知道"的问题

直接问通用大模型，它答不了你公司的规章制度、产品参数、历史工单，要么说不知道，要么编一个。RAG 要解决的就是这个：把资料切块、向量化、存进检索库，提问时先捞出相关片段再交给模型组织答案。Agent 解决的则是另一件事：模型只会说，不会做。给它挂上工具和流程，它才能查数据库、调接口、按步骤完成任务。这两块是当前大模型落地最常被要求的能力，也是面试里问得最实的部分。

适合的基础：能读懂 Python 代码，知道函数、类、循环、字典怎么用，能装包、跑脚本、看报错。资料里带了一份 Python 语法要点，说明课程默认你会一点，但不深。完全没写过代码的人跟起来会吃力，建议先补到能独立写个几十行脚本再进来。有大模型 API 调用经验更好，没有也不影响，课里会带。

建议的看课顺序

先看提示词工程那部分。很多人跳过它直接上 RAG，结果检索回来的内容喂给模型，输出还是一团糟。提示词决定了模型怎么用你给的材料、按什么格式答、什么时候该说"资料里没有"。这块是后面所有环节的地基。

然后进 RAG 开发。重点不在背概念，而在走通一遍完整链路：文档怎么切、向量怎么存、检索怎么召回、召回结果怎么拼进上下文。走通之后再看项目部分，把零散环节串成一个能对外用的问答应用。Agent 部分放在后面，因为它依赖你对模型调用和工具描述的理解，前面没打牢会变成照抄代码。

学完能独立做什么，资料怎么用

学完比较现实的水平是：能自己搭一个基于私有文档的问答服务，能处理文档解析、切片、检索、生成这条链路，能根据效果调切片大小、召回数量、提示词；能写一个带工具调用的智能体，让它按步骤查数据、做判断、给出结果。做不到的是训练和微调大模型，这门课不涉及。

资料里的示例数据是给学生信息用的，结构简单，正好适合先跑通流程。但别只跑示例——换一批你自己手头真实的文档，比如产品手册、会议记录、FAQ，跑一遍才知道切片和检索在真实文本上会遇到什么问题。示例数据太干净，跑通了不代表你的场景能跑通。PPT 适合当复习提纲，真正要动手的是把代码敲一遍、改一遍参数看输出变化。遇到效果差，先怀疑检索没召回对，而不是急着换模型。