《黑马-AI大模型RAG与Agent智能体开发》是一套聚焦**大模型应用层开发（LLM Application）**的系统实战课程，核心围绕 RAG（检索增强生成）+ Agent（智能体） 两大当前最热门方向，帮助开发者从“会调用API”升级到“能构建AI产品”。

下面是完整详细介绍👇

一、课程定位

该课程由 黑马程序员 打造，定位为：

👉 AI应用开发进阶实战课（偏工程落地）

区别于传统AI课程：

  • ❌ 不讲复杂模型训练（如深度学习推导）
  • ✅ 专注大模型“应用开发与落地”
  • ✅ 面向企业级AI系统构建

二、课程核心目标

学习本课程后，你可以具备以下能力：

  • 搭建完整的 AI 应用系统（从0到上线）
  • 掌握 RAG知识库问答系统开发
  • 掌握 Agent智能体开发（自动执行任务）
  • 实现 AI + 业务系统融合
  • 构建可用于求职/项目展示的实战项目

三、核心技术体系（重点）

1. 大模型基础与调用

  • 主流模型认知（如 OpenAI GPT 系列、开源LLM）
  • API 调用方式（Chat / Embedding / Function Calling）
  • Prompt Engineering（提示词工程）

👉 学会“如何让模型更聪明地工作”

2. RAG（检索增强生成）——课程重点之一

RAG 是企业最常见的落地方案（知识库问答系统）。

核心流程：

数据 → 切分 → 向量化 → 向量库 → 检索 → 大模型生成

技术组件：

  • 向量化模型（Embedding）
  • 向量数据库：
    • FAISS
    • Milvus / Chroma（扩展）
  • 文档解析（PDF / Word / HTML）

关键能力：

  • 私有知识接入（企业数据）
  • 提高回答准确性（减少幻觉）
  • 上下文增强问答

3. Agent（智能体开发）——课程核心亮点

Agent 是比 RAG 更高级的AI应用形态。

Agent能力模型：

  • 任务拆解（Planning）
  • 推理（Reasoning）
  • 工具调用（Tools）
  • 记忆（Memory）

常用框架：

  • LangChain
  • AutoGPT

实现效果：

👉 AI 不再只是“回答问题”，而是：

  • 自动查资料
  • 自动调用API
  • 自动完成任务流程

4. Function Calling（函数调用）

  • 大模型调用外部工具
  • AI 控制程序执行逻辑
  • 实现“AI + 系统能力融合”

例如：

  • 查天气
  • 操作数据库
  • 调用业务接口

5. 后端开发与系统设计

  • Python Web 框架（FastAPI / Flask）
  • RESTful API 设计
  • 前后端分离架构

👉 构建完整AI服务端系统

6. 工程化与部署

  • 使用 Docker 容器化部署
  • 服务上线流程
  • 日志与监控系统
  • 项目结构规范设计

四、实战项目模块（重点）

项目一：企业知识库问答系统（RAG）

功能：

  • 上传企业文档（PDF / Word）
  • 自动构建向量数据库
  • 智能问答（基于私有数据）
  • 支持上下文对话

👉 应用场景：

  • 客服机器人
  • 企业内部知识助手

项目二：AI智能体系统（Agent）

功能：

  • 自动任务拆解
  • 多步骤推理执行
  • 工具调用（搜索 / API）
  • 多轮对话 + 记忆机制

👉 类似：

  • AI秘书
  • 自动化办公系统

项目三：AI应用平台（综合项目）

  • 集成 RAG + Agent
  • 多模块AI工具平台
  • 插件化扩展能力

五、课程亮点

1. 紧跟行业趋势

两大核心方向：

  • ✅ RAG（企业落地核心）
  • ✅ Agent（未来发展趋势）

2. 强实战导向

  • 每个模块都有代码实现
  • 从0到1搭建完整系统
  • 项目可直接用于作品集

3. 工程能力提升

不仅是“会用AI”，而是：

  • 会设计系统
  • 会做架构
  • 会上线部署

4. 门槛友好

不要求：

  • 深度学习基础 ❌
  • 数学推导能力 ❌

更适合：

  • 开发者转AI方向 ✅

六、适合人群

  • Python开发工程师
  • 后端工程师（Java / Go / Node）
  • 想转型AI工程师的人
  • 对智能体（Agent）感兴趣的人
  • 想做AI项目/副业的人

七、学习收获

完成课程后你可以：

  • 独立开发 RAG 知识库系统
  • 构建 AI Agent 智能体应用
  • 搭建 AI 应用服务端架构
  • 掌握主流 AI 开发工具链
  • 具备企业级 AI 项目经验（可写进简历）

八、总结

这门《黑马-AI大模型RAG与Agent智能体开发》本质是一门：

👉 “AI应用开发工程实战课”

它解决的不是“模型怎么训练”，而是：

👉 如何把大模型真正做成产品

课程截图：

课程目录：

│ ├── P1前置准备
│ │ ├── 01、通义千问大模型的接入.mp4
│ │ ├── 02、代码调用云端的大模型.mp4
│ │ ├── 03、使用环境变量保护APIKEY.mp4
│ │ ├── 04、Ollama简介.mp4
│ │ ├── 05、win&mac部署ollama并运行蒸馏模型.mp4
│ │ └── 06、代码调用ollama的本地模型.mp4
│ ├── P2OpenAI库的基础使用
│ │ ├── 01、OpenAI库的基础使用.mp4
│ │ ├── 02、OpenAI库的流式输出模式.mp4
│ │ └── 03、OpenAI库附带历史消息调用模型.mp4
│ ├── P3提示词工程
│ │ ├── 01、大模型prompt工程指南.mp4
│ │ ├── 02、提示词优化案例介绍和零样本少样本思想.mp4
│ │ ├── 03、提示词优化案例_金融文本分类任务.mp4
│ │ ├── 04、Json数据格式.mp4
│ │ ├── 05、提示词优化案例_金融文本信息抽取.mp4
│ │ └── 06、提示词优化案例_金融文本匹配.mp4
│ ├── P4RAG开发
│ │ ├── 01、LangChain的简介.mp4
│ │ ├── 02、LangChain的环境部署.mp4
│ │ ├── 03、RAG介绍.mp4
│ │ ├── 04、[扩展]向量的基础概念.mp4
│ │ ├── 05、[扩展]余弦相似度算法.mp4
│ │ ├── 06、LangChain调用大语言模型.mp4
│ │ ├── 07、LangChain模型的流式输出.mp4
│ │ ├── 08、LangChain调用聊天模型.mp4
│ │ ├── 09、LangChain消息的简写形式.mp4
│ │ ├── 10、LangChain调用嵌入模型.mp4
│ │ ├── 11、LangChain通用提示词模板.mp4
│ │ ├── 12、FewShot提示词模板.mp4
│ │ ├── 13、模板类的format和invoke方法.mp4
│ │ ├── 14、ChatPromptTemplate的使用.mp4
│ │ ├── 15、Chain的基础使用.mp4
│ │ ├── 16、[扩展]或运算符的重写.mp4
│ │ ├── 17、简单理解Runnable接口.mp4
│ │ ├── 18、StrOutputParser字符串输出解析器.mp4
│ │ ├── 19、JsonOutputParser和多模型执行链.mp4
│ │ ├── 20、自定义函数加入链.mp4
│ │ ├── 21、Memory临时会话记忆.mp4
│ │ ├── 22、Memory长期会话记忆.mp4
│ │ ├── 23、CSVLoader.mp4
│ │ ├── 24、JSONLoader.mp4
│ │ ├── 25、TextLoader和文档分割器.mp4
│ │ ├── 26、PyPDFLoader.mp4
│ │ ├── 27、VectorStores向量存储.mp4
│ │ ├── 28、基于向量检索构建提示词.mp4
│ │ └── 29、RunnablePassthrough的使用.mp4
│ ├── P5RAG项目
│ │ ├── 01、RAG项目案例介绍.mp4
│ │ ├── 02、RAG项目-文本上传WEB服务.mp4
│ │ ├── 03、RAG项目-md5工具函数开发.mp4
│ │ ├── 04、RAG项目-知识库更新服务.mp4
│ │ ├── 05、RAG项目-完成离线流程开发.mp4
│ │ ├── 06、RAG项目-在线流程向量存储服务代码.mp4
│ │ ├── 07、RAG项目-rag服务核心代码开发.mp4
│ │ ├── 08、RAG项目-历史会话记录功能的实现.mp4
│ │ └── 09、RAG项目-聊天页面开发.mp4
│ └── 课程导学.mp4
└── 资料
├── PPT
│ ├── 01提示词工程.pptx
│ ├── 02大模型RAG开发.pptx
│ └── 03RAG项目.pptx
├── Miniconda3
│ ├── Miniconda3-latest-MacOSX-arm64.pkg
│ ├── Miniconda3-latest-MacOSX-x86_64.pkg
│ └── Miniconda3-latest-Windows-x86_64.exe
├── PyCharm
│ ├── pj.exe
│ └── pycharm-2025.2.6.exe
├── Python
│ ├── python-3.10.11-amd64.exe
│ └── python-3.10.11-macos11.pkg
└── 数据资料
├── info.csv
├── pdf1.pdf
├── pdf2.pdf
├── Python基础语法.txt
├── stu.csv
├── stu.json
├── stus.json
├── stu_json_lines.json
├── 尺码推荐.txt
├── 洗涤养护.txt
└── 颜色选择.txt

声明：本站所发布的一切视频课程仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。本站所有课程来自网络，版权争议与本站无关。如有侵权请联系联系客服QQ：1960026872或登录本站账号进入个人中心提交工单留言反馈，我们将第一时间处理！