黑马 | AI大模型RAG与Agent智能体开发项目课程

如果你已经能调通一两个大模型接口，却卡在「怎么把模型接进真实业务」这一步，这套资料值得花时间看。它不讲模型原理，也不教提示词技巧，主线只有一条：用代码把大模型、检索和工具调用串成一个能跑起来、能回答具体问题的应用。学完你能独立完成一个带私有知识库的问答服务，或者一个能自己决定调用哪个工具的小助手，而不是停留在聊天框里试效果。

它解决的是「模型答不准、答不了」这两类问题

直接问大模型，常见两种失败：一是问公司内部文档、产品手册里的内容，模型没读过，只能编；二是需要查数据、算结果、走流程时，模型只会给文字，动不了手。这门课的两块内容正好对应这两件事。RAG 部分处理第一类，把文档切分、向量化、存进向量库，提问时先检索再交给模型组织答案，让回复有出处、可核对。Agent 部分处理第二类，把模型当成决策中枢，由它判断该查知识库、该调哪个函数、该不该继续追问，把一次问答拆成多步动作。这两块不是并列的知识点，而是同一套工程思路的两半：先让模型拿到对的上下文，再让模型做出对的动作。

适合什么基础，以及建议的进入顺序

前置要求不高，但也不适合零编程基础。你需要能看懂 Python 代码、会用 pip 装包、知道什么是 HTTP 请求和 JSON，剩下的部分课程会带着做。如果连函数和字典都不熟，先补语言基础再来，否则后面调接口、改参数会很吃力。

建议按这个顺序推进。先看前置准备部分，重点是把云端模型和本地模型的调用方式都跑通一遍，理解 API Key 为什么要放进环境变量、本地部署和云端调用各自适合什么场景，这一步是后面所有代码的地基。接着进入 RAG 主线，按「文档加载与切分—向量化与入库—检索—拼装提示词—生成回答」的顺序走，每一环都自己动手改一次参数，比如换切分长度、换检索条数，观察答案质量的变化，这比看完就过有用得多。最后看智能体部分，重点理解工具是怎么注册给模型的、模型返回的调用意图怎么被解析和执行、多轮循环什么时候终止。这三块之间存在依赖，跳着看容易只记住代码形式，不理解为什么这么写。

学完能独立做什么，资料怎么配合练习

走完一遍，你应该能独立交付这样几件事：给一批内部文档做索引，搭出一个能引用原文出处的问答接口；把检索和对话历史接起来，让多轮追问不丢上下文；定义几个自定义工具，让模型在需要时自动调用并汇总结果；把本地模型和云端模型按成本和效果做替换。这些能力对应的是企业内部知识助手、客服辅助、文档检索这类实际需求，面试时也拿得出手。

练习方式上，不建议只跟着视频敲一遍。每学完一个环节，换一份自己的材料重做一次，比如用产品说明书、会议纪要或公开的技术文档替代示例数据，你会立刻遇到切分不合理、检索召回不准、答案跑偏这些真实问题，解决它们的过程才是这门课最有价值的部分。智能体部分建议先跑通最小可用的单工具版本，确认调用链路没问题，再逐步加工具、加约束条件，避免一上来就搭复杂流程导致排查困难。视频之外，把每次调试的报错和调整记下来，形成自己的排查清单，比反复重看视频更省时间。