黑马 | AI大模型RAG与Agent智能体开发项目课程

这门项目实战课程聚焦于大模型应用开发中的核心落地场景，通过 RAG（检索增强生成）架构与 Agent（智能体）系统的深度开发，解决传统大模型在垂直领域知识检索与任务自动化执行上的局限性。对于具备 Python 基础、熟悉基础 API 调用的开发者而言，这是从模型原理过渡到工程化落地的关键资料。课程不

单课价¥29.90新品上架

会员价 会员免费开通会员，全站课程按额度无限下载套餐详情

6 人关注更新于 2026-10-29 永久有效

发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服联系客服

开通会员 · 免费下载单课购买 ¥29.90

支付成功后自动发货，可在「我的订单」查看网盘链接；链接失效可联系客服免费补链。

正版保障极速发货售后无忧

这门项目实战课程聚焦于大模型应用开发中的核心落地场景，通过 RAG（检索增强生成）架构与 Agent（智能体）系统的深度开发，解决传统大模型在垂直领域知识检索与任务自动化执行上的局限性。对于具备 Python 基础、熟悉基础 API 调用的开发者而言，这是从模型原理过渡到工程化落地的关键资料。课程不空谈算法理论，而是直接切入工程实现，帮助开发者掌握如何通过代码调用云端及本地大模型，并构建具备自主决策与工具调用能力的智能系统。你需要先理解模型响应的数据结构，再逐步深入到 RAG 的向量检索与 Agent 的工作流编排，这是构建可复用 AI 应用系统的必经之路。

建议在学习时重点关注“大模型接入”与“环境变量管理”这两个基础模块，这是后续所有复杂逻辑的基石。资料包中包含了从环境搭建到具体代码实现的完整流程，非常适合开发者对照源码进行复刻。先掌握如何通过代码安全地调用通义千问或 Ollama 本地模型，理解环境变量在保护 APIKEY 中的实际作用，再逐步深入到 RAG 的向量检索与 Agent 的工作流编排。通过跟随课程从零搭建项目，读者可以掌握如何构建一个具备私有知识库问答能力的系统，以及如何编写能够自主规划步骤并调用外部工具的智能体程序。建议在阅读源码的同时，结合课程讲解的架构图，尝试修改 Prompt 或调整检索参数，以观察系统性能的变化，从而真正掌握大模型应用开发的工程化思路。

学完这套资料，开发者应具备独立完成 AI 应用 MVP（最小可行性产品）的能力，能够针对特定业务场景设计并实现基于大模型的问答助手或自动化任务流。资料中的实战项目可直接作为个人作品集的一部分，用于展示对现代 AI 开发栈的理解与应用能力。课程内容涵盖了从环境变量配置、大模型接入、Ollama 本地模型部署到 RAG 架构与智能体设计，是一套完整的工程化学习路径。建议开发者不要只看视频，而是要对照代码逐行调试，理解每一层封装的作用，最终实现从理论认知到工程落地的跨越，为后续开发更复杂的 AI 产品打下坚实基础。

黑马 | AI大模型RAG与Agent智能体开发项目课程

RAG与Agent智能体项目实战

编辑点评

深入探讨大模型RAG架构与智能体开发，理论与实践结合，提升AI应用开发能力。

⭐ 编辑推荐

学习大模型RAG与智能体开发，掌握AI项目实战技能。

课程涵盖：大模型接入、RAG架构、智能体设计、项目实战。

✨ 课程亮点

✦大模型RAG架构深度解析

✦智能体开发实战项目

✦AI项目实战技能提升

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]