黑马-AI大模型RAG与Agent智能体开发项目课程

这门课的主题很明确：用大模型 API 做检索增强生成（RAG）和智能体（Agent）方向的开发。它不教你怎么训练模型，也不讲算法推导，而是解决一个具体的工作场景——你手上有一堆文档、手册或业务资料，想让大模型基于这些内容回答问题，而不是靠它自己瞎编。这是目前企业落地 AI 最常见的一类需求，也是面试里被问得最多的一块。

先看它解决什么问题，再决定要不要花时间

如果你只是想让 ChatGPT 帮你写写文案，这门课对你偏重了。它面向的是要动手写代码、把大模型接进自己系统里的人。典型场景包括：给公司内部知识库做一个问答入口、让模型按固定格式输出结构化结果、把「检索—拼接—生成」这条链路自己搭起来。学完之后，你应该能独立完成一个可运行的小型 RAG 应用，从读取文档、切分、向量化、检索，到拼提示词、调模型、返回答案，整条链路自己写出来，而不是只会调一个封装好的接口。

基础要求不算高，但也不是零基础。至少得能看懂 Python 代码，知道函数、类、虚拟环境这些概念，会装依赖、看报错。如果你完全没写过代码，前面会卡住。反过来，如果你已经做过 Web 后端或者数据处理，上手会顺很多，重点放在提示词设计和检索环节就行。

建议的观看顺序和重点

资料里前置准备和 OpenAI 库基础使用这两块，别跳过。它讲的是怎么接入云端大模型、怎么用环境变量管好 API Key、以及本地跑模型工具的基本用法。这几步看着琐碎，但实际开发里 API Key 泄露、环境不一致是高频坑，先过一遍能省后面很多时间。

提示词工程这块建议认真看，它是后面 RAG 和 Agent 的地基。很多人做 RAG 效果差，问题不在检索，而在提示词没写好——没约束输出格式、没告诉模型怎么处理找不到答案的情况。这一部分要边看边改，把示例换成自己的场景试。

RAG 开发和 RAG 项目是核心，也是占时间最多的部分。前者讲原理和关键环节，后者是把这些环节串成一个完整项目。建议先跟着把流程跑通一遍，再回头看哪一步效果不好，单独调。检索效果、切分粒度、提示词模板这三处最值得反复改。

资料怎么配合练习

配套的演示文稿适合当复习提纲，视频看完一节，对着提纲回忆一遍流程，比反复拖进度条有效。练习上不要只用课程给的样例文档，换一份你自己熟悉的资料，比如产品说明书、规章制度或者某个技术文档，走一遍完整流程。你会发现真实文档的格式混乱程度远超示例，而这正是工作中要处理的东西。

Agent 部分建立在 RAG 之上，如果时间有限，先把 RAG 做扎实，再进 Agent。整门课的价值在于让你具备独立搭建的能力，而不是记住某个库的用法——库会变，链路和思路不会。