黑马程序员 -AI大模型RAG与Agent智能体开发项目课

如果你最近在看 AI 方向的课程，大概率会刷到「RAG」和「Agent」这两个词。它们被说得很多，但真正落到工作里能干什么，不少人其实没概念。这门黑马程序员的课，核心就一件事：让你能自己动手搭出一个能查资料、能调工具、能跑完整流程的 AI 应用。下面按「值不值得学、学完能做什么、适合什么基础」三个角度说清楚。

它解决的是哪类工作场景

先说清楚 RAG 和 Agent 分别对应什么问题。RAG 解决的是「大模型不知道你公司内部资料」这件事——你把文档、知识库接进去，模型回答时先检索再生成，答案就有据可依，不再胡编。Agent 解决的是「模型只会聊天、不会干活」——让它自己决定调用哪个工具、查什么数据、走哪一步，把多步任务串起来自动完成。

这两块正好是当前企业落地 AI 时最常被问的两个需求：一个内部知识问答助手，一个能自动处理流程的智能体。课程把它们放进同一个项目里做，而不是分开讲概念，这是它比较务实的地方。

学完你能独立做出什么

• 接一个云端大模型（课程用的是通义千问）跑通调用，并且知道怎么用环境变量管理密钥，不把 API Key 硬写进代码；
• 在本地用 Ollama 部署模型，明白云端和本地两条路各自的取舍，断网或数据敏感的场景也能跑；
• 搭出一套完整的 RAG 流程：文档切分、向量化、检索、拼进提示词、生成回答；
• 写一个能调用外部工具、按条件走不同分支的 Agent，而不是只会一问一答的聊天框。

换句话说，学完你不是「了解了 RAG 和 Agent」，而是手上有一个能改、能接自己数据的项目。面试或跟同事聊的时候，你能讲清楚每一步为什么这么做，这比背概念有用得多。

它的讲法偏工程，不偏理论

从前置准备开始，课程就是一路写代码：先接入模型、再保护密钥、再换本地部署，然后才进入 RAG 和 Agent 的实战。这种顺序的好处是，你不会卡在「原理听懂了但一写就废」。它把环境搭建、调试这些容易被忽略但实际最耗时的环节放在了最前面，对新手比较友好。

需要提醒的是：这类课的价值在动手，不在看。视频看一遍能懂，但只有自己把代码敲一遍、把报错解决掉，才算真的会。如果你打算靠「看完」来学，效果会打折。

适合什么基础的人

比较适合：有基本编程概念（会写函数、懂变量和简单数据结构）、想往 AI 应用开发转的上班族或转行者，以及需要给团队做内部知识库、客服助手的技术同学。课程默认你能看懂代码，所以纯零编程基础的人上手会吃力，建议先把 Python 基础补齐再来。

不太适合：只想了解 AI 原理、不打算写代码的人；以及已经能独立搭建 RAG 系统、想深入调优检索策略和评估指标的进阶者——这门课更偏「从零把项目跑起来」。

给你的使用建议

别按顺序一口气刷完。可以先把模型接入和本地部署这两块跑通，确认自己的环境没问题；再进 RAG 部分，边看边用自己的资料（比如一份产品手册）替换课程示例，这样学完直接产出对你有用的东西；Agent 部分建议留出整块时间，因为它涉及多步逻辑，碎片时间学容易断。

最后一句实在话：这类技术更新快，课程给的是当前主流的做法和一套可运行的骨架，真正值钱的是你借它建立起来的「自己搭一套」的能力。先想清楚你要拿它解决什么具体问题，再决定要不要投入时间。