黑马AI大模型 RAG与Agent智能体开发项目课程

课程简介

这套《黑马AI大模型 RAG与Agent智能体开发项目课程》放在一堆“大模型从入门到精通”里，辨识度其实不低：它没有铺开讲Transformer原理、也没有花大篇幅做微调，而是把火力集中在两件事上——RAG的工程链路，和Agent智能体的任务编排。对已经会用API调模型、但一提到“知识库怎么切、检索怎么召回、Agent怎么不掉链子”就发虚的人来说，这个选题…

已有 12 人浏览发布 2026-09-11 更新 2026-09-17

课纲的取舍：先提示词，再RAG，最后落到项目

从配套的三份PPT主题看，内容推进是有顺序的：提示词工程打底，RAG开发讲架构，最后用RAG项目收口。这个顺序值得注意，因为它暴露了作者的判断——提示词不是“过时的小技巧”，而是RAG和Agent共同的底座。检索回来的上下文怎么塞进prompt、Agent每一步的工具调用结果怎么组织成下一轮输入，本质都是提示词工程在起作用。跳过这一层直接上RAG，很容易做成“检索一堆、答得更乱”。

值得注意的是它没有贪多。没有把微调、多模态、模型部署全塞进来，而是把篇幅压在RAG与Agent上。对于一门项目课来说，这种克制反而是加分项——大纲越宽，通常每一块都只能点到为止。

三份PPT里，哪些章节值得精看

提示词工程部分：不要当成“写话术”看。重点抓结构化的输出约束、上下文拼接方式、以及失败时的重试与兜底策略。这几块直接决定后面RAG答得稳不稳。
RAG开发部分：这是全课含金量最高的一块。文档切分粒度、向量化与索引、召回与重排、以及“检索不到怎么办”的降级逻辑，四个环节里任何一环糊弄，最终效果都会塌。看的时候建议对照自己的业务数据想一遍：切分策略换了，召回结果会怎么变。
RAG项目部分：篇幅最小，但它是把前面两条线拧成一股的地方。重点看它如何组织一次完整问答的调用链，而不是只盯着最终界面效果。

Agent相关的内容更多是融在项目与架构讲解里，而不是单独成章。这意味着你需要自己把“工具调用、任务拆解、多轮状态管理”这几条线从项目里抠出来，不能指望它帮你归纳成清单。

资料包怎么拆开用

配套资料里给了跨平台的Miniconda安装包，Windows、macOS Intel与Apple Silicon都覆盖到了。这个细节说明环境这块作者是想让你少踩坑的——RAG和Agent项目依赖库版本敏感，用conda隔离环境比全局pip装一堆要稳得多。

建议的用法不是一口气装完就往下冲，而是分两步：先用conda把基础环境跑通，确认能正常调用模型、能建起向量库；等进入RAG项目阶段再按需补依赖。中途遇到版本冲突，回退到干净环境重来，比在一个被污染的全局环境里debug省事得多。PPT本身更适合当“对照稿”而非“逐页讲义”——先看目录抓主线，卡住了再回去精读对应章节。

适合谁，不适合谁

适合：已经能跑通大模型API调用、想真正把RAG和Agent做成能演示的项目、并且愿意自己补细节的人。不适合：完全没碰过大模型、指望从零讲透原理的人——这门课默认你有一定基础，原理层面的空白需要自己另找材料补。

一句话判断：如果你的痛点是“知道RAG和Agent的概念，但拼不出一个完整可跑的项目”，这套资料的性价比值得花时间；如果你要的是原理级的系统讲解，它并不是那个答案。

黑马AI大模型 RAG与Agent智能体开发项目课程

RAG与Agent智能体实战项目

编辑点评

深入探索大模型RAG架构，结合Agent智能体开发，实战性强。

⭐ 编辑推荐

掌握RAG大模型架构，学习Agent智能体开发，打造智能对话系统。

✨ 课程亮点

✦RAG架构实战

✦Agent智能体开发

✦智能对话系统

课程目录

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

适合人群

AI开发者
数据科学家
机器学习工程师

🎯 学习收获

掌握RAG大模型架构
开发Agent智能体
构建智能对话系统

🎉 祝您学习愉快！