很多人对大模型开发的印象还停留在“会调个 API 就算入门”。真到动手做东西，问题立刻冒出来：模型答非所问怎么办？企业文档那么多，怎么让它基于自己的资料回答？用户要的不是一段文字，而是一个能查、能算、能调接口的助手，又该怎么搭？这门课解决的就是这几件事——RAG 和 Agent。它不适合只想看看概念的人，适合已经能写 Python、想把手上的大模型能力真正落到一个可跑项目里的人。

先确认自己缺的是哪一块

如果你目前只会“发一条消息、收一段回复”，那缺的其实是工程侧的三个能力。第一是接入与配置：用云端模型还是本地模型，密钥怎么管，环境变量为什么不能写死在代码里。第二是知识注入：模型本身不知道你的私有资料，硬塞进提示词既贵又不稳，需要用检索把相关资料找出来再喂给模型，也就是 RAG。第三是行动能力：让模型不只说话，还能按需调用工具、分步骤完成任务，这就是 Agent。

这三块是递进关系。接入没搞顺，后面调不通；检索没做对，Agent 拿到的就是错资料，越自动越离谱。所以看这门课时，别急着跳到 Agent 部分，先确认自己能不能独立把模型接进来、把本地模型跑起来。

RAG 部分要盯住的问题

RAG 听起来只是一句“先检索再生成”，真正决定效果的是中间那些不起眼的环节。文档怎么切分？切太碎语义不完整，切太大检索不准还浪费上下文。用什么做向量化、存到哪里、相似度怎么算？检索回来几条、怎么排序、怎么和原始问题一起组织进提示词？这些问题没有标准答案，但每一个都会直接反映在回答质量上。

学这部分时，建议带着一个具体场景去练，比如拿一份自己熟悉的 PDF 或产品文档做问答。做完你至少要能回答：为什么我的检索结果不相关？是切分的问题还是嵌入模型的问题？为什么模型明明检索到了正确内容，回答却还是错的？能定位到具体环节，才算真的理解了 RAG，而不是照着代码抄了一遍。

Agent 部分别只当“高级提示词”

Agent 常被简化成“让模型自己决定下一步”。实际开发里，你要处理的是工具的定义与调用、多轮任务的状态怎么保存、模型选错工具或陷入循环时怎么兜住。这些才是把它做成可用产品的关键，也是面试和实际项目里最容易被追问的地方。

练 Agent 时，不妨从一个很小的任务开始，比如“查天气并给出穿衣建议”或“读一份表格并总结异常项”。跑通之后刻意制造失败：工具返回错误、模型反复调用同一个工具、任务中途需要补充信息，看你的流程能不能处理。能处理这些边界，说明你掌握的是机制，不是模板。

看完应该能回答的问题

云端大模型和本地部署模型各自的接入方式与取舍是什么，密钥如何安全管理？
一份私有文档从原始文件到能被检索，中间经历了哪些步骤，每步可能出什么错？
检索结果不理想时，你会按什么顺序排查？
Agent 调用工具失败或陷入循环，你的代码里有哪些兜底手段？
如果要把这套东西部署给别人用，你还需要补哪些工程能力？

如果这些问题你现在答不上来，这门课值得跟着敲一遍；如果大部分能答，那你要的可能不是入门课，而是针对某个环节的深入资料。缺什么补什么，别在已经会的部分反复打转。

黑马程序员 AI 大模型RAG与Agent智能体开发项目课

掌握RAG与Agent智能体开发，打造AI应用

编辑点评

深入探索大模型RAG与Agent智能体技术，项目驱动学习，实战性强。

⭐ 编辑推荐

本课程聚焦AI大模型RAG与Agent智能体开发，通过实战项目，助你掌握核心技能。

课程亮点

• 大模型RAG与Agent智能体技术深入解析

• 实战项目驱动学习

• 提升AI应用开发能力

课程目录

📁 视频
    📁 P1前置准备
        03、使用环境变量保护APIKEY【优质资源‖关注：cunWorkNotes 解锁】.mp4  [125.9 MB]
        02、代码调用云端的大模型.mp4  [34.3 MB]
        01、通义千问大模型的接入.mp4  [40.7 MB]
        06、代码调用ollama的本地模型.mp4  [46.2 MB]
        04、Ollama简介.mp4  [74.5 MB]
        05、win&mac部署ollama并运行蒸馏模型.mp4  [137.5 MB]
    📁 P4RAG开发
        21、Memory临时会话记忆.mp4  [508.6 MB]
        24、JSONLoader.mp4  [256.3 MB]
        23、CSVLoader【优质资源‖关注：cunWorkNotes 解锁】.mp4  [249.4 MB]
        05、[扩展]余弦相似度算法.mp4  [236.3 MB]
        27、VectorStores向量存储.mp4  [378.9 MB]
        19、JsonOutputParser和多模型执行链【不易整理‖请关注：CunWorkNoteS】.mp4  [302.6 MB]
        25、TextLoader和文档分割器【资源精选‖更多关注：CunworkNotes】.mp4  [201.4 MB]
        09、LangChain消息的简写形式【资源精选‖更多关注：CunworkNotes】.mp4  [114.5 MB]
        16、[扩展]或运算符的重写【更多精选‖公众号：CunWorknotes】  .mp4  [226.5 MB]
        13、模板类的format和invoke方法.mp4  [229.9 MB]
        20、自定义函数加入链.mp4  [58.2 MB]
        14、ChatPromptTemplate的使用.mp4  [210.7 MB]
        15、Chain的基础使用.mp4  [287.0 MB]
        10、LangChain调用嵌入模型.mp4  [186.3 MB]
        28、基于向量检索构建提示词.mp4  [170.1 MB]
        11、LangChain通用提示词模板.mp4  [164.3 MB]
        18、StrOutputParser字符串输出解析器.mp4  [193.3 MB]
        02、LangChain的环境部署.mp4  [53.6 MB]
        12、FewShot提示词模板.mp4  [252.2 MB]
        07、LangChain模型的流式输出.mp4  [80.2 MB]
        01、LangChain的简介.mp4  [11.7 MB]
        04、[扩展]向量的基础概念.mp4  [283.3 MB]
        03、RAG介绍.mp4  [377.0 MB]
        17、简单理解Runnable接口.mp4  [128.5 MB]
        22、Memory长期会话记忆.mp4  [498.2 MB]
        26、PyPDFLoader.mp4  [115.2 MB]
        08、LangChain调用聊天模型.mp4  [202.7 MB]
        06、LangChain调用大语言模型.mp4  [120.8 MB]
        29、RunnablePassthrough的使用.mp4  [400.8 MB]
    📁 P5RAG项目
        09、RAG项目-聊天页面开发.mp4  [323.0 MB]
        07、RAG项目-rag服务核心代码开发.mp4  [246.2 MB]
        08、RAG项目-历史会话记录功能的实现.mp4  [423.9 MB]
        05、RAG项目-完成离线流程开发.mp4  [230.3 MB]
        02、RAG项目-文本上传WEB服务.mp4  [177.4 MB]
        06、RAG项目-在线流程向量存储服务代码.mp4  [172.6 MB]
        01、RAG项目案例介绍.mp4  [23.0 MB]
        03、RAG项目-md5工具函数开发.mp4  [263.8 MB]
        04、RAG项目-知识库更新服务.mp4  [300.7 MB]
    📁 P3提示词工程
        02、提示词优化案例介绍和零样本少样本思想.mp4  [141.5 MB]
        03、提示词优化案例_金融文本分类任务.mp4  [290.3 MB]
        05、提示词优化案例_金融文本信息抽取.mp4  [277.2 MB]
        04、Json数据格式.mp4  [204.2 MB]
        06、提示词优化案例_金融文本匹配.mp4  [204.6 MB]
        01、大模型prompt工程指南.mp4  [39.7 MB]
    📁 P2OpenAI库的基础使用
        02、OpenAI库的流式输出模式.mp4  [72.1 MB]
        03、OpenAI库附带历史消息调用模型.mp4  [64.7 MB]
        01、OpenAI库的基础使用.mp4  [51.7 MB]
    课程导学.mp4  [68.6 MB]
📁 资料
    📁 数据资料
        尺码推荐.txt  [487.0 B]
        pdf2【优质资源‖关注：cunWorkNotes 解锁】.pdf  [27.9 KB]
        洗涤养护.txt  [6.2 KB]
        stu.json  [163.0 B]
        颜色选择.txt  [3.3 KB]
        stu_json_lines.json  [151.0 B]
        info.csv  [526.0 B]
        Python基础语法.txt  [34.7 KB]
        stus.json  [171.0 B]
        pdf1.pdf  [292.3 KB]
        stu.csv  [331.0 B]
    📁 PyCharm
        📁 pj
            pj教程.txt  [86.0 B]
            jetbra.zip  [376.7 KB]
            key.txt  [2.6 KB]
        pycharm-2025.2.6.exe  [983.8 MB]
        pycharm-2025.2.6-aarch64.dmg  [1.2 GB]
    📁 Python
        python-3.10.11-macos11.pkg  [39.1 MB]
        python-3.10.11-amd64.exe  [27.7 MB]
    📁 Miniconda3
        Miniconda3-latest-Windows-x86_64.exe  [90.0 MB]
        Miniconda3-latest-MacOSX-x86_64.pkg  [112.3 MB]
        Miniconda3-latest-MacOSX-arm64.pkg  [115.4 MB]
📁 PPT
    03RAG项目.pptx  [2.2 MB]
    02大模型RAG开发.pptx  [6.9 MB]
    01提示词工程.pptx  [12.4 MB]