尚硅谷-2026年1月开课大型模型智能代理在线速成班V2.0

这门课到底在教什么

先把名字拆开看。「大型模型智能代理」不是让你从零训练一个大模型，而是教你怎么把已有的模型能力接上数据库、检索、业务逻辑，做成一个能自己判断下一步该做什么的代理程序。课程围绕一个叫「掌柜问数」的项目展开——从名字能看出来，这是把自然语言问句转成数据查询、再返回结果的场景，典型的企业内部问数需求。落地的技术栈包括 Docker 做环境隔离、Qdrant 做向量检索、MySQL 和 Elasticsearch 处理结构化与全文查询。换句话说，这门课的重点不在模型原理，而在工程串联。

学完你能独立做什么

按课程节奏走完，你大致能独立搭出一个「用户提问 → 代理拆解意图 → 调用检索或数据库 → 组织答案」的完整链路。具体能力包括：用 Docker 把依赖环境跑起来，不靠手动装一堆东西；用 Qdrant 做向量存储和相似度召回，让代理能检索到相关文档；把 MySQL 和 ES 接进代理的工具调用里，处理「查某个月销售额」这类需要精确数据的请求；以及设计代理的判断分支，决定什么时候该检索、什么时候该查库、什么时候直接回答。这些是能直接写进简历、也能在面试里讲清楚的项目细节，不是停留在概念层面。

资料适合什么基础

需要你至少写过 Python，能看懂函数和类的组织方式，不然代理逻辑那部分会跟得吃力。数据库方面，会写基础 SQL 就够，MySQL 和 ES 的用法课程里会带着过。Docker 如果完全没碰过，前两天会有点卡，建议提前花一两个小时了解一下镜像和容器的基本概念。至于大模型本身，不需要你会微调，但要理解「提示词 + 工具调用」这套交互方式，课程默认你对此有基本认知。零基础转行者直接上会偏难，更适合已经有一年开发经验、想往 AI 应用方向靠的人。

这门课值得学吗

值得的地方在于它给了一个真实的项目骨架，而不是一堆零散的知识点。向量库、检索、数据库、代理调度这几块怎么拼在一起，是很多自学的人卡住的地方，课程把它拆成了可复现的步骤。需要留意的是，课程录制于 2026 年 1 月，模型和工具库迭代快，部分 API 写法可能已经更新，遇到报错要习惯去查官方文档而不是死磕视频。另外这是速成班，深度有限，代理的评估、稳定性、成本控制这些生产环境才关心的问题不会展开讲。把它当成一次有引导的项目实战，而不是一套完整的工程方法论，预期会更准。

怎么用这份资料

建议按天跟，但不要只看不写。每看完一个模块，自己把那段代码重敲一遍，尤其是代理调用工具的那部分逻辑，改动一处看看输出怎么变。掌柜问数这个项目可以只做核心链路，环境搭建那部分如果用不惯 Docker，先用本地跑通再回头补。视频里跳过的配置细节，自己补全一次，比反复看视频更有用。学完后如果想检验效果，试着换一个业务场景——比如把「问数」改成「问文档」——看你能不能独立改出来，能改出来，这门课的目标就达到了。