这门课解决什么问题，适合什么基础

这门课聚焦于大模型 Agent 的底层原理与核心逻辑实现，不是教你怎么调 API 套壳做个对话机器人，而是手把手拆解 Agent 如何理解指令、如何映射工具、如何触发动作。如果你平时的工作涉及业务自动化、知识库搭建，或者想从单纯调用大模型接口进阶到构建能自主规划任务的智能体，这门课能帮你看透内部运转机制。它要求你对 Python 编程有基本掌握，了解过大模型接口调用，最好对 RAG 原理有初步认知。零基础纯小白不建议碰，容易在 prompt 模板集成和 tools 映射环节卡壳。

建议先看哪几块，学完能独立做什么

建议先看 agent 各模块功能分析那节，建立对整体架构的认知，再看 tools 定义与 action 映射，这是让 Agent 具备执行能力的核心。prompt 模板定义和集成 tools 这几块连着看，因为 Agent 的行为质量取决于指令如何编排工具。最后通义千问大模型接入部分是落地环节。学完后，你应该能独立写出一个具备工具调用能力的 Agent，理解 prompt 如何驱动模型决策，并能根据实际业务需求自定义工具集，让 Agent 执行检索、查询、计算等具体动作。

资料怎么配合练习

这套资料是视频形式，建议边看边敲代码，不要只看不练。先跟着视频把 agent 核心逻辑框架搭出来，再逐步填充 tools 和 prompt 模板。遇到 tools 与 action 映射不上的情况，回看对应章节对照排查。通义千问接入部分建议自己申请 API Key 跑通流程，换其他模型也能复用这套逻辑。整体学习节奏建议每天专注一块，别贪快，因为前后章节耦合度高，前面 prompt 模板没吃透，后面集成 tools 会一头雾水。

你对大模型的RAG原理及实践有一个深刻的理解，并能够在当前课程的实践上进一步完善适应实际业务。