HM-AI大模型RAG与Agent智能体开发项目课程

课程导读

本课程围绕大模型与RAG（Retrieval-Augmented Generation）技术的融合展开，重点讲解如何构建具备文档检索与生成能力的智能问答系统，以及如何设计和实现基础的Agent智能体。内容以实际项目为导向，覆盖从数据准备到模型调用的完整流程，帮助开发者理解如何将大模型能力嵌入到实际业务场景中。

学习门槛与建议顺序

课程要求具备一定的Python编程能力，熟悉基础的机器学习或深度学习概念。建议学习者先掌握NLP基础，如文本向量化、模型接口调用等，再逐步深入RAG原理与Agent架构。课程结构由浅入深，从提示词工程开始，逐步过渡到数据处理、模型集成与系统搭建，适合希望从实战入手理解大模型应用的开发者。

模块结构与工程复用

课程提供了清晰的项目结构，包含数据预处理、向量数据库构建、大模型调用、RAG模块整合与智能体逻辑实现等关键环节。每个部分均以代码结构和配置为核心，强调模块的独立性与可复用性，便于开发者在不同项目中灵活调用。同时，对常见工具如LangChain、FAISS、OpenSearch等的使用方式进行了详细解析，有助于理解实际工程中如何高效组织和部署AI功能。

学完本课程后，开发者可独立完成一个基于RAG技术的问答系统，具备从文档检索到生成回答的全流程能力。此外，能初步设计简单的Agent系统，实现基于规则或模型的自动化任务处理。建议结合PPT讲解与代码实现，逐模块对照练习，加深对技术原理和工程实践的理解，从而提升在实际项目中应用大模型的能力。