先判断：这门课值不值得学

如果你在日常工作中需要处理大量企业文档、内部知识库，或者想给业务做一个能准确回答专业问题的客服助手，那么基于大模型的检索增强生成（RAG）技术是目前最务实的落地方案。单纯调用大模型接口往往会遇到幻觉严重、不懂内部业务知识的问题，而 RAG 就是为了解决这个场景而生。这门资料聚焦在如何把外部知识喂给大模型，并用 LangChain 等工具把整个问答流程串联起来。它没有盲目堆砌大模型底层原理，而是直接对准实际工作场景：怎么把杂乱的文档变成向量，怎么检索得准，怎么让模型基于检索到的内容说话。对于想系统掌握 AI 应用开发的人来说，这个方向比死磕模型微调更通用，上手门槛也更低。

看基础：适合谁，能独立做出什么

这套资料不适合完全零基础的人。你需要具备基本的 Python 语法能力，知道怎么在本地跑脚本、装依赖包，最好接触过一次普通的 API 调用。如果你之前只用过网页版对话工具，没写过代码，看后面的项目实操会觉得吃力。学完之后，你应当能独立完成一件事：给一整套业务文档（比如几十份产品手册或规章制度），搭建一个能针对这些内容进行精准问答的智能助手。你不仅能跑通基础流程，还能清楚遇到答非所问时，该去调整文档切分策略还是更换检索方式，而不是只会抱怨模型笨。

怎么用：建议的观看与练习顺序

拿到资料后，不要按编号从头硬啃。建议先跳到 RAG 核心技术与原理这一块，把核心架构和五大组件看完，在脑子里把数据流向画清楚：文档进去、切块、向量化、检索、拼接到提示词里。有了这个全局框架后，再回去看 Agent 智能体入门部分，理解怎么把这套流程封装成一个能交互的工具。练习时不要只看视频，必须自己准备十份真实的 PDF 或文本文档，跟着把流程跑一遍。当你尝试用自己的数据跑通第一个问答时，对这套机制的理解才会真正落地。资料里提到的一些平台和接口，可以用来做前期的流程验证，但核心要放在理解机制上，不要死记某个按钮的位置。


langgrpah

课程目录

*   01 AI大模型入门概述/

  *   01 38.AI公司的一些介绍.mp4 17:52

  *   02 39.assistant API讲解.mp4 13:06

  *   03 40.minimax 简介和使用.mp4 22:43

*   02 Agent智能体入门/

  *   01 41.AI Agent的简介.mp4 12:11

  *   02 42 ai agent bot流程.mp4 05:42

  *   03 43.coze 技能商店和模板商店.mp4 18:28

  *   04 44.创建知识库的操作.mp4 17:57

  *   05 45.创建考公辅导助手 智能体.mp4 45:56

*   03 RAG核心技术及原理/

  *   01 47.RAG的五大核心组件.mp4 08:20

  *   02 46.RAG的核心原理和经典架构.mp4 31:38

  *   03 48.RAG的优化和流程图示.mp4 06:06

  *   04 48.RAG的优化和流程图示.mp4 06:06

  *   05 49.RAG基础和模块.mp4 07:42

  *   06 50.按照句子切分案例.mp4 19:54

  *   07 51.固定字符数 重叠 递归拆分案例.mp4 20:33

*   04 文本向量化/

  *   01 52.形成新向量的过程.mp4 16:56

  *   02 53.文本向量化.mp4 14:20

  *   03 54.本地化向量演示.mp4 12:36

  *   04 55.向量相似度计算案例.mp4 09:16

  *   05 56.chromadb安装和链接测试.mp4 20:05

  *   06 57.针对chromadb的CURD操作.mp4 17:58

  *   07 58.皮肤医疗诊断向量化案例.mp4 26:12

  *   08 59.chroma run指令和原理.mp4 05:32

*   05 FastAPI AI WEB框架/

  *   01 60.基于RAG知识库的智能AI系统.mp4 21:21

  *   02 61.fastAPI极速python web框架.mp4 29:52

  *   03 62.带路径和参数的查询.mp4 10:42

  *   04 63.表单post方式提交测试.mp4 14:42

  *   05 64.fastapi-对接大模型案例.mp4 21:02

*   06 langchain开发框架/

  *   01 65.langchian AI开发框架.mp4 17:07

  *   02 66.langchain的安装.mp4 09:08

  *   03 67.langchain对接qwen.mp4 10:28

  *   04 68.langchain对接ollama本地大模型.mp4 13:27

  *   05 70.langchain对接RAG链式了解.mp4 19:10

  *   06 71.PromptTemplate提示词模板.mp4 13:16

  *   07 72.ChatPromptTemplate聊天模板.mp4 07:29

  *   08 73.SystemMessage和HumanMessage.mp4 07:24

  *   09 74.FewShotPromptTemplate模板.mp4 09:36

  *   10 75.langchain对接聊天模型.mp4 11:28

  *   11 76.langchain对接Embeddings.mp4 06:42

  *   12 77.langchain对接输出.mp4 10:53

  *   13 78.langchain读取pdf文档.mp4 16:39

  *   14 79.langchain读取word文档.mp4 12:30

  *   15 80.langchan的文档切割模块.mp4 10:12

  *   16 81.langchain文本和句子向量化.mp4 12:27

  *   17 82.langchain的文档向量存储.mp4 07:14

  *   18 83.langchain 检索文档.mp4 17:41

  *   19 84.chain 链式提问.mp4 06:49

  *   20 85.python模拟LCEL表达式语言.mp4 10:09

  *   21 88.Runnable pipeline流水线旅游案例.mp4 36:38

  *   22 90.llmchain批处理.mp4 24:49

*   07 agent/

  *   01 91.LLMathChain的数学链.mp4 04:18

  *   02 92.使用自然语言查询mysql库表.mp4 22:49

  *   03 95.agent简介.mp4 11:19

  *   04 96.tavily agent三方的在线搜索工具.mp4 08:31

  *   05 97.检索器和本地向量查询.mp4 09:00

  *   06 98.缺失 agent代码.mp4 04:33

  *   07 99.langchain 工具对接维基百科.mp4 25:05

  *   08 100.langchain的自定义工具.mp4 27:03

  *   09 101.更多工具参考.mp4 08:11

  *   10 102.taily+qwen agent案例.mp4 11:22

  *   11 103.agent+tool 函数 案例.mp4 10:29

  *   12 104.复习.mp4 22:44

  *   13 105.langchain的Memory模块.mp4 16:55

  *   14 106langchain的记忆管理管家案例..mp4 17:24

  *   15 107.知识图库.mp4 17:03

  *   16 108.ai工具和推理范式.mp4 09:10

  *   17 109.aliyun的key secret获取设置.mp4 20:57

  *   18 110.实时语音识别案例.mp4 30:06

  *   19 111.实时声音转文字案例.mp4 13:33