《黑马 AI大模型RAG与Agent智能体开发项目课程》是一套紧跟人工智能发展趋势的实战型课程，专为希望进入大模型应用开发领域的开发者、AI工程师以及技术爱好者打造。课程聚焦当前最热门的RAG（Retrieval-Augmented Generation，检索增强生成）技术与Agent智能体开发，通过理论讲解与项目实战相结合的方式，帮助学员快速掌握企业级AI应用开发能力。
课程围绕大语言模型应用开发展开，系统讲解大模型的发展历程、核心原理以及主流技术框架。学员将深入了解ChatGPT类产品背后的工作机制，掌握Prompt工程、上下文管理、模型调用以及AI应用架构设计等关键知识，为后续项目开发奠定扎实基础。
在RAG技术模块中，课程重点讲解向量数据库、文本切分、Embedding向量化、语义检索以及知识库构建等核心内容。通过实际案例，学员将学习如何构建企业私有知识库，实现让大模型基于企业文档、产品资料、业务数据进行精准问答，有效解决大模型“幻觉”问题，提升回答准确率和专业性。
Agent智能体部分是课程的重要亮点。课程详细介绍Agent的工作原理、任务规划机制、工具调用能力以及多轮决策流程。学员将学习如何利用大模型结合搜索引擎、数据库、API接口以及第三方工具，打造能够自主思考、自动执行任务的智能体系统，实现从简单问答向复杂任务自动化处理的升级。
项目实战环节贯穿整个课程。学员将亲手开发智能知识库问答系统、企业AI助手、文档分析机器人以及Agent智能体应用等多个热门项目，掌握从需求分析、系统设计到部署上线的完整开发流程。同时课程还会介绍LangChain、向量数据库、模型服务部署以及主流开源大模型的应用实践，让学员接触当前AI开发领域最前沿的技术生态。
课程内容不仅覆盖理论知识，更强调实际落地能力培养。通过学习，学员能够掌握RAG知识库系统搭建、Agent智能体开发、大模型应用集成以及企业级AI解决方案设计等核心技能。无论是希望转型AI开发、提升职业竞争力，还是参与企业智能化项目建设，本课程都能够提供系统、全面且实用的学习路径，是进入大模型应用开发领域不可多得的优质实战课程。
课程截图：
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]