这份资料我翻了两遍，最直观的感受是：它不教你怎么调 API 就完事，而是把「大模型应用到底由哪几块拼起来」这件事讲清楚了。如果你现在能写 prompt、能跑通一个 Demo，但被问到「你的 RAG 为什么召回不准」或者「多个 Agent 之间怎么不打架」时答不上来，那这门课正好补的就是这一层。

它解决的是哪一段能力缺口

市面上讲大模型的内容大致分两类：一类停在概念科普，一类直接甩代码但默认你已经懂了背后的机制。中间那段其实是空档——知道 LangChain 有哪些组件，但说不清什么时候该用 Chain、什么时候该上 Agent；知道 RAG 是「检索+生成」，但真到自己搭的时候，切片策略、向量库选型、重排序这几步全是坑。

这套资料的定位就在这个中间层。它把大模型原理讲得比较克制，不堆数学，但会讲到够你判断「这个方案为什么可行、那个方案为什么到某个规模就崩」。对转岗过来的人尤其友好，因为你缺的往往不是编程能力，而是这套工程判断。

多智能体和 RAG 是两条主线

资料里有专门一块讲多智能体架构，并且是拿具体产品做解剖的。这部分的价值不在于让你复刻某个产品，而在于让你看清一个多 Agent 系统的分层：谁负责规划、谁负责执行、工具调用怎么注册、失败怎么回退、上下文怎么在 Agent 之间传递。这些是真正动手时最费时间的地方，光看文档很难建立起整体感。

RAG 部分同样偏工程视角。切分粒度、元数据设计、召回与重排的配合、如何评估检索质量——这些细节决定了你的问答系统是「能用」还是「能上生产」。如果你的 RAG 现在只是把文档塞进向量库然后 top-k 召回，这部分会让你重新想一遍流程。

LangChain 该怎么看待

课程把 LangChain 作为串联工具讲，这个处理方式比较务实。它没有把框架当银弹，而是让你理解框架在解决什么、又引入了哪些新的复杂度。学完之后你至少能判断：这个需求用框架划算，还是自己写几十行更清爽。这种判断力比记住某个 API 的名字有用得多，因为框架版本迭代很快。

看完应该能回答的问题

一个 RAG 系统召回效果差，你会按什么顺序排查？切片、embedding、检索、重排，各自的问题表现有什么不同？
多智能体相比单体 Agent，多出来的复杂度换来了什么？什么场景下不值得上多智能体？
模型选型时，除了参数量和价格，还有哪些因素会实际影响你的线上效果？
LangChain 的抽象帮你省掉了什么，又让你失去了什么控制权？
如果要给你的 RAG 做一套离线评估，你会设计哪些指标、用什么数据？

怎么用它

建议不要顺着看完就算。每看完一块，回到自己手上的项目或一个假想需求，试着把方案写出来，再对照资料里的做法找差距。特别是多智能体那部分，光看会觉得自己懂了，真去设计 Agent 之间的通信协议时才会暴露问题。

适合有一定 Python 基础、做过至少一个 LLM Demo、想把这套东西做成能交付的系统的人。如果你连 API 调用都还没跑通过，先把前面的基础补上再来，否则中间会卡得比较难受。

知乎付费课AI大模型全栈工程师第10期

AI大模型全栈工程师实战课程

编辑点评

深入浅出AI大模型原理，涵盖多智能体技术、RAG技术、LangChain等前沿技术，实战性强。

⭐ 编辑推荐

本课程由知乎付费课AI大模型全栈工程师第10期倾情呈现，从基础到实战，助你成为AI大模型全栈工程师。

课程亮点

• AI大模型原理深入浅出

• 实战性强，涵盖前沿技术

• 多智能体技术、RAG技术、LangChain等

课程目录

📁 讲座课
    📁 解析 Manus：多智能体技术的架构与未来
        解析 Manus：多智能体技术的架构与未来必看.png  [493.5 KB]
        解析 Manus：多智能体技术的架构与未来.mp4  [694.0 MB]
    📁 DeepSeek解析：技术演进、模型指南与产业应用
        DeepSeek解析：技术演进、模型指南与产业应用资料.png  [493.5 KB]
        DeepSeek解析：技术演进、模型指南与产业应用.mp4  [878.1 MB]
        DeepSeek分享-知乎段小草.pptx  [25.9 MB]
📁 主课视频
    📁 第二课python编程基础
        第二课python编程基础文档.zip  [1.8 MB]
        第二课Python编程基础【365exe.com】.mp4  [373.0 MB]
        02-python.zip  [95.3 KB]
    📁 第一课AI大模型基本原理
        第一课AI大模型基本原理必看.zip  [1.8 MB]
        第一课AI大模型基本原理.mp4  [350.0 MB]
        01-principle.zip  [5.9 MB]
    📁 第十一课LangChain：多任务应用开发
        11-langchain.zip  [630.7 KB]
        第十一课LangChain：多任务应用开发.mp4  [257.1 MB]
    📁 第六课Cursor编程从入门到精通
        06-cursor.zip  [7.1 MB]
        第六课cursor编程从入门到精通.mp4  [472.5 MB]
        6、Cursor编程-从入门到精通-评论区.pdf  [468.0 KB]
    📁 第九课RAG高级技术及实践
        3-Qwen-Agent技术.pdf  [1.6 MB]
        RAG高级技术及实践【365exe.com】.mp4  [398.8 MB]
        9、RAG高级技术与最佳实践-评论区.pdf  [461.9 KB]
        代码.zip  [2.4 MB]
        2-GraphRAG.pdf  [2.9 MB]
        1-RAG高级技术与实践【365exe.com】.pdf  [1.5 MB]
    📁 第五课API基础与通过API调用大模型
        第五课API基础与能过API调用大模型.mp4  [511.3 MB]
        05-introduce-of-API.zip  [22.2 KB]
    📁 第三课prompt工程设计与优化
        第三课prompt工程设计与优化.mp4  [430.3 MB]
        03-prompt.zip  [3.5 MB]
    📁 第十二课Function Calling与跨模型协作
        第十二课Function Calling与跨模型协作.mp4  [428.5 MB]
        12-function-calling.zip  [340.9 KB]
    📁 第七课Embedding和向量数据库
        第七课Embeddings和向量数据库.mp4  [358.8 MB]
        2-向量数据库使用 (1)【365exe.com】.pdf  [924.6 KB]
        7、Embeddings和向量数据库-评论区.pdf  [139.7 KB]
        课件代码-1.zip  [18.6 MB]
        1-Embedding与向量数据库 (1).pdf  [1.3 MB]
        课件代码-2.zip  [39.9 MB]
    📁 第四课GPU与CPU计算硬件与大模型
        第四课GPU与CPU计算硬件与大模型训练.mp4  [344.8 MB]
        04-hardware.zip  [1.8 MB]
    📁 第十课LlamaIndex：知识管理与信息检索应用
        10、lamaIndex：知识管理与信息检索应用-评论区【365exe.com】.pdf  [391.2 KB]
        第十课LlamaIndex：知识管理与信息检索应用.mp4  [311.5 MB]
        10-llamaindex-01.zip  [27.8 MB]
        10-llamaindex-02.zip  [28.4 MB]
    📁 第八课RAG技术
        RAG技术与应用.mp4  [383.2 MB]
        1-RAG技术与应用【365exe.com】.pdf  [2.0 MB]
        08-代码.zip  [324.2 KB]
        8、RAG技术与应用-评论区【365exe.com】.pdf  [393.0 KB]
    主课视频说明.zip  [1.8 MB]