适合谁学，能解决什么实际问题

大模型应用开发正在从「调 API 聊天」转向「构建具备专业能力的系统」。这门课聚焦 RAG（检索增强生成）与智能体（Agent）工程，核心解决两个痛点：一是如何让大模型基于企业私有知识库准确回答，避免幻觉；二是如何设计能让模型自主规划、调用工具并完成多步任务的复杂应用。

课程以 L1、L2 两阶段递进。适合有一定 Python 基础、对 AI 应用落地有兴趣的开发者或产品经理。无需深入研究模型训练原理，重点在于掌握将大模型能力接入业务场景的工程化方法。学完后，你能独立搭建具备知识问答、任务自动化能力的智能体系统，而非仅仅实现简单的文本生成。

资料怎么配合练习，建议先看哪几块

课程资料包含环境搭建、核心框架应用及两个完整项目案例。学习路径建议如下：

  • 基础先行：先完成 Python 专题与环境搭建章节，确保本地开发环境（含向量数据库依赖）能正常运行。这是后续所有实践的前提。
  • 核心攻坚：RAG 技术是重中之重，优先学习嵌入模型与向量数据库、RAG 技术与高级实践三节。理解文档切片、向量化存储与检索重排序的逻辑，这是构建准确知识库应用的基础。
  • 框架深化：LlamaIndex 专注知识管理与检索，LangChain 侧重多任务编排，LangGraph 引入状态管理与循环控制。建议对比学习，理解不同框架在智能体开发中的适用边界。
  • 平台实战：Dify 与 Coze 专题覆盖低代码与 API 双模式开发，适合快速验证想法与生产部署，建议结合 LangGraph 项目反复练习。

最后的「智能分诊系统」项目是综合验收，串联了 RAG、Agent 设计与工具调用。务必亲手跑通全流程，不要只看代码，要在调试中理解意图识别、上下文管理与多步决策的设计细节。

学完能独立做什么

完成本课程后，你将具备独立开发企业级 AI 应用的能力：可基于私有文档构建高精度问答系统，设计支持工具调用的自主智能体，并熟练使用主流框架进行复杂工作流编排。无论是内部效率工具、客户服务机器人还是自动化分析系统，你都能从需求分析到上线部署独立完成。

注意：课程侧重工程落地，不涉模型底层训练。若目标是算法研究，需补充数学与深度学习基础；若目标是应用开发，本课程提供完整且前沿的技术栈覆盖。

课程目录

QQ_1757126418510.png (112.

35 KB,  ) 2025-9-6 10:

45 上传 VIP先导课程 Coze专题 Dify专题 Python专题 L1课程 课时11-开班典礼+环境搭建[VIP] 课时22-嵌入模型与向量数据库[VIP] 课时33-RAG技术与应用[VIP] 课时44-RAG高级技术与实践[VIP] 课时55-LlamaIndex知识管理与信息检索[VIP] 课时66-LangChain多任务应用开发[VIP] 课时77-LangGraph基础开发[VIP] 课时88-智能体系统设计与应用开发[VIP] 课时99-Dify应用开发[VIP] 课时1010-Coze应用开发[VIP] 课时1111-项目2_基于LangGraph智能分诊系统[VIP] 课时1212-MCP应用技术开发[VIP] 课时1313-LangGraph MCP L2课程 课时11-深度学习基础原理[VIP] 课时22-人工神经网络结构及原理[VIP] 课时33-HuggingFace核心组件[VIP] 课时44-基于BERT模型的自定义微调训练[VIP] 课时55-自定义微调训练BERT模型效果测试[VIP] 课时66-GPT2中文生成模型定制化微调训练[VIP] 课时77-大模型本地化部署：Ollama&vLLM&LMDeploy+ModelScop[VIP] 课时88-大模型微调-LLama Factor微调Qwen[VIP] 课时99-Ollama部署微调大模型[VIP] 课时1010-LLamaFactory模型导出量化[VIP] 课时1111-vLLM自定义对话模板[VIP] 课时1212-LLamaFactory与Xtuner分布式微调大模型[VIP] 课时1313-大模型压缩训练（知识蒸馏）[VIP] 课时1414-大模型微调项目实战-数据工程篇[VIP] 课时1515-大模型微调项目实战-训练与部署[VIP] 课时1616-大模型评估测试OpenCompass[VIP] 课时1717-大模型分布式推理与量化部署[VIP] 课时1818-多模态大模型应用[VIP] 课时1919-RAG+微调实现智能专家系统（方案数据篇）[VIP] 课时2020-RAG+微调实现智能专家系统（部署测试）[VIP] 课时2121-面试与简历指导