如果你最近在看 AI 应用岗的 JD，会发现一个反复出现的组合：会 Python、懂后端、能把大模型接进真实业务。听起来不难，真动手时卡住的地方却很具体——向量检索召回不准、本地模型跑不起来、Prompt 改十遍还是不稳定、Agent 工具调用报错不知道从哪查。这门课就是冲着这些缺口来的。

先确认你缺的是哪一块

这门课不适合完全零基础的人从第一分钟就跟。更顺的打开方式是先给自己做个判断：

只调过在线大模型 API，没在本地部署过模型，也不知道 Ollama 这类工具到底解决了什么问题；
听过 RAG，但说不清「切分—Embedding—向量库—召回—重排—拼 Prompt」这条链上哪一步最容易出问题；
写过 Prompt，但停留在「请你扮演一位专家」，没系统处理过角色设定、输出格式约束、少样本示例；
想让模型调用外部工具或查自己的资料，但一涉及 Agent 的循环逻辑就写不下去。

上面中了两条以上，这门课的内容才对你有用。如果只是想看个热闹，看完仍然不会自己搭一套能跑的东西。

课程真正覆盖的几件事

课程的主线是把「本地模型 + 检索 + 智能体」串成一条可运行的链路，而不是分散讲概念。具体包含：Ollama 本地大模型部署与调用、Embedding 向量化与向量检索、RAG 检索增强生成的完整流程、Prompt 提示词工程，以及 AI Agent 的构建与工具调用，底层语言是 Python。

值得留意的是它的排列顺序：先让你把模型在本地跑通，再谈检索，最后才拼智能体。这个顺序有道理——本地模型跑不通，后面的 RAG 调试基本无从下手；检索召回不准，Agent 拿到的上下文就是错的，再花哨的编排也没意义。

配套练习该怎么用

资料包里有一份观看顺序表，作用是帮你排学习节奏，别当成目录清单划过去。建议这样做：

每看完一个模块，不要立刻往下走，先把当节的代码自己敲一遍，尤其是向量化和召回部分，参数改一改看结果怎么变；
每完成两到三节，整理一份简短小结，写清「这一步输入是什么、输出是什么、失败时先查哪里」；
遇到跑不通的报错，先记录环境和版本，本地部署类问题十有八九出在依赖和端口上。

章节笔记适合课后复盘，也适合面试前快速过一遍关键流程。但笔记代替不了动手，RAG 的很多坑只有自己调过才知道。

学完应该能回答的问题

判断自己是否真的学到位，不看看了多少节，看能不能答上这几问：

一段长文档要进向量库，切分策略怎么定？切太碎和切太大分别会带来什么问题？
检索回来的内容明明相关，模型却答错，可能的原因有哪些？
Embedding 模型换了之后，原来的向量库还能直接用吗？
一个 Agent 要调用两个工具，怎么让它别在循环里绕不出来？
本地部署的模型和在线 API，在延迟、成本、效果上各自适合什么场景？

这些问题能答清楚，说明你不是只跟着视频跑通了一遍，而是理解了链路。

关于求职的一点实话

AI 应用方向的岗位需求确实在涨，但招聘方看的往往不是你「学过 RAG」，而是你有没有一条完整的落地链路：数据怎么进来、检索怎么调优、模型怎么接、失败怎么兜底。简历上写「掌握 RAG」远不如写「用本地模型搭了一套问答系统，召回率从多少提到多少，踩过哪些坑」有说服力。

所以学这门课时，别只停在跟做。挑一个你自己熟悉的领域——比如某类技术文档、某个产品的帮助中心——独立复现一套 Demo，把它当成作品，而不是作业。这一步做完，你才算真正补齐了那个缺口。

迪哥AI智能体2025｜观看顺序.xlsx

课程推荐

《迪哥·2025AI智能体开发课程》迪哥AI智能体2025｜观看顺序.xlsx【技能收获】学完可掌握：RAG 检索增强生成、Embedding 向量检索、Ollama 本地大模型部署、Prompt 提示词工程、AI Agent 智能体构建、Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（173 节）

* 1、课程介绍.mp4

* 2-2工作流要完成的任务与节点定义.mp4

* 3-3插件配置方法与参数.mp4

* 4-4大模型节点配置方法.mp4

* 5-5结束节点配置.mp4

* 6-6智能体配置方法.mp4

* 1-1循环节点方法解读.mp4

* 2-2循环中参数的定义方法.mp4

* 3-3续写新闻稿件方法（循环中间变量使用）.mp4

* 4-4智能体测试与输出节点.mp4

* 5-5批处理的作用与效果.mp4

* 1-1做视频素材业务逻辑分析.mp4

* 2-2做剧本节点系统提示词方法.mp4

* 3-3完成剧本节点输出.mp4

* 4-4画面描述与图像生成节点构建.mp4

* 5-5图像违规词限制与运镜节点.mp4

* 6-6视频节点构建与错误分析.mp4

* 7-7图像生成节点错误调试并保险.mp4

* 8-8视频生成节点容易违规的解决方法.mp4

* 9-9选修（当作拓展知识）：配置外部视频软件成为插件.mp4

* 10-10选修：自定义插件配置方法实例.mp4

* 11-11选修：工作流中添加视频插件.mp4

* 1-1时间线定义方法.mp4

* 2-2剪映插件介绍.mp4

* 3-3时间线和素材绑定方法.mp4

* 4-4剪映草稿添加素材方法.mp4

* 5-5得到合成后的视频.mp4

* 1-1对话流配置与创建.mp4

* 2-2选择器的使用方法.mp4

* 3-3数据库与大模型的匹配方法.mp4

* 4-4知识库构建与匹配方法.mp4

* 5-5汇总输出与测试.mp4

* 1-1DEMO演示与基本流程分析.mp4

* 2-2表格填入模块解读.mp4

* 3-3表格的输入与输出.mp4

* 4-4查找与匹配的方法.mp4

* 5-5飞书表格智能体测试应用与常见问题.mp4

* 1-1DEMO演示与应用分析.mp4

* 2-2输入参数与大模型配置.mp4

* 3-3图像生成模型配置.mp4

* 4-4COZE中的应用模块配置.mp4

* 5-5COZE应用界面设计.mp4

* 1-1提示词与工作流配置.mp4

* 2-2插件配置方法与输出.mp4

* 01-1COZE-API开通方法.mp4

* 02-2API外部调用方法实例演示.mp4

* 03-3Cursor应用例子分析.mp4

* 04-4用CURSOR构建一个浏览器插件.mp4

* 05-5API调用与插件测试.mp4

* 01-1效果演示与数据读取.mp4

* 02-2数据清洗与处理.mp4

* 03-3结合DeepSeek构建代码节点.mp4

* 04-4结合DeepSeek进行数据分析.mp4

* 05-5配置插件把分析结果存在excel里.mp4

* 06-6数据可视化配置方法与节点调试分析.mp4

* 07-7不同可视化图表配置方法.mp4

* 08-8输出与展示配置.mp4

* 01-1插件的基本配置方法.mp4

* 02-2输入输出参数配置方法.mp4

* 03-3在工作流中配置自己的插件并使用.mp4

* 01-1助手插件接入.mp4

* 02-2数据表创建方法.mp4

* 03-3识别工作流配置与测试.mp4

* 04-4调用模块工作流配置.mp4

* 05-5知识库配置.mp4

* 01-1自定义插件创建方法与流程.mp4

* 02-2插件输出配置与循环体.mp4

* 03-3知识库配置与结果输出.mp4

* 01-1影刀RPA分析.mp4

* 02-2影刀安装方法.mp4

* 03-3影刀流程配置方法实例.mp4

* 04-4执行循环操作.mp4

* 05-5完成文案采集的全部功能.mp4

* 01-1RAGFLOW介绍和特点.mp4

* 02-2RAGFLOW接入本地模型.mp4

* 03-3Chat与Embedding模型接入.mp4

* 04-4知识库构建实例.mp4

* 05-5封装成API调用.mp4

* 01-1RAG要完成的任务解读.mp4

* 02-2RAG整体流程解读.mp4

* 03-3召回优化策略分析.mp4

* 04-4召回改进方案解读.mp4

* 05-5评估工具RAGAS.mp4

* 06-6外接本地数据库工具.mp4

* 01-1整体故事解读.mp4

* 02-2要解决的问题和整体框架分析.mp4

* 03-3论文基本框架分析.mp4

* 04-4Agent的记忆信息.mp4

* 05-5感知与反思模块构建流程.mp4

* 06-6计划模块实现细节.mp4

* 07-7整体流程框架图.mp4

* 08-8感知模块解读.mp4

* 09-9思考模块解读.mp4

* 10-10项目环境配置方法解读.mp4

* 01-0Python环境说明.mp4

* 02-1AutoGenStudio框架安装与介绍.mp4

* 03-2动作API配置方法.mp4

* 04-3国内常用API配置方法.mp4

* 05-4API接口在线测试.mp4

* 06-5工作流配置.mp4

* 07-6执行流程与结果.mp4

* 01-1API生成方法.mp4

* 02-2GroupChat模块.mp4

* 03-3执行流程分析.mp4

* 04-4外接本地支持库配置方法.mp4

* 05-5加入RAG技能.mp4

* 06-6LMStudio本地下载部署模型.mp4

* 07-7调用本地模型方法与配置.mp4

* 08-8AutogenStudio本地化部署流程.mp4

* 09-9本地化部署接入应用实例.mp4

* 10-10调用SD-API完成设计.mp4

* 11-11Ollama环境配置与安装.mp4

* 12-12autogen接入本地模型.mp4

* 01-1论文概述分析.mp4

* 02-2整体框架逻辑介绍.mp4

* 03-3项目环境配置.mp4

* 04-4基础解读-动作定义方式.mp4

* 05-5基础解读-角色定义.mp4

* 06-6单动作智能体实现方法.mp4

* 07-7多动作配置方法.mp4

* 08-8定时器任务环境配置.mp4

* 09-9定时器任务流程解读分析.mp4

* 01-0基本Agent的组成.mp4

* 02-1Agent要完成的任务和业务逻辑定义.mp4

* 03-2问题拆解与执行流程.mp4

* 04-3检索得到重要的URL.mp4

* 05-4子问题生成总结结果.mp4

* 06-5总结与结果输出.mp4

* 01-1DEMO演示与整体架分析.mp4

* 02-2后端GPT项目部署启动.mp4

* 03-3前端助手API与流程图配置.mp4

* 04-4接入外部API的方法与流程.mp4

* 05-5引入API方法解读.mp4

* 06-6指令提示构建.mp4

* 01-1环境相关配置解读.mp4

* 02-2工具调用流程拆解.mp4

* 03-3功能调用方法实例.mp4

* 04-4RAG环境配置搭建.mp4

* 05-5LLAMA3应用-RAG搭建方法.mp4

* 06-6RAG基本流程分析.mp4

* 01-1LORA微调方法.mp4

* 02-2指令微调所需数据与模型下载.mp4

* 03-3llama3模型微调实例.mp4

* 04-4llama3微调后进行量化.mp4

* 05-5llama.cpp量化实例.mp4

* 06-6部署应用.mp4

* 01-1LORA微调方法.mp4

* 02-2指令微调所需数据与模型下载.mp4

* 03-3llama3模型微调实例.mp4

* 04-4llama3微调后进行量化.mp4

* 05-5llama.cpp量化实例.mp4

* 06-6部署应用.mp4

* 07-7项目需求分析流程.mp4

* 08-8数据与特征库准备.mp4

* 09-9模型准备与项目分析.mp4

* 10-10模型选择方法总结.mp4

* 11-11项目经验总结与优化，方法.mp4

* 01-1数据挖掘要解决的问题.mp4

* 02-2数据处理与清洗分析.mp4

* 03-3特征工程的作用与流程.mp4

* 04-4机器学习算法分析.mp4

* 05-5模板到哪去找.mp4

* 01-1知识图谱要解决的问题与流程分析.mp4

* 02-2知识图谱项目实际应用分析.mp4

* 03-3知识图谱实战应用项目解读.mp4

* 04-4大模型要解决的问题和应用分析.mp4

* 05-5工具总结分析.mp4

* 01-1MOE概述分析.mp4

* 02-2MOE模块实现方法解读.mp4

* 03-3效果分析与总结.mp4

* 01-1RAG与微调可以解决与无法解决的问题.mp4

* 02-2RAG实践策略.mp4

* 03-3微调要解决的问题.mp4

配套笔记（6 份 PDF）

* 大模型.pdf

* RAG.pdf

* 斯坦福小镇论文.pdf

* 斯坦福AI小镇.pdf

* Agent思维导图.pdf

* metaGpt.pdf

迪哥·2025AI智能体开发课程