HM-AI大模型RAG与Agent智能体开发项目课程

HM-AI大模型RAG与Agent智能体开发项目课程导读

这门课聚焦解决AI模型在处理实时性、专业性强的业务场景时，知识更新滞后导致的回答准确性问题。具体应用场景如：为医疗客服系统接入最新诊疗规范库，实现专业问答；或为IT运维开发能自主判断故障原因并推荐解决方案的智能助手。核心是通过RAG技术构建知识库检索机制，并设计Agent执行自主任务流程，将大模型从被动应答转变为主动决策工具。课程适合具备Python基础，理解机器学习过拟合概念，且在工作中需要将NLP技术落地为实际应用的职场者或转行者。对提示词工程有一定了解的学员可跳过《智能提示词优化》章节；零基础学员需先补《Python数据处理》基础。

能力落地与资料协作

学完后，你将能独立完成一个基于RAG和Agent的智能应用项目，涵盖需求分析、知识库封装、Agent逻辑编排到系统部署的全流程。学完能独立做什么：设计并实现一个能根据用户意图自动检索文档并生成回答的Agent，例如封装内部知识库构建问答机器人。资料包含可复用的代码框架和配置模板，需结合实际业务调整。建议先学习《检索增强生成原理》和《Agent核心组件》两章，建立技术框架认知，再深入《向量数据库选型对比》等实践模块。练习时，可通过替换《示例业务逻辑代码》中的函数实现不同场景的Agent行为，逐步配合《日志分析指南》优化执行效率。资料中的测试集可用于验证检索效果，部署章节提供了云服务器配置参考。对业务逻辑的定制化，需在掌握核心框架后，对照《Agent行为调试方法》进行迭代。